FRAMEWORK PER LA GENERAZIONE DI SET DI DATI SINTETICI TEXT-TO-SQL DI ALTA QUALITÀ TRAMITE MULTI-AGENT

This thesis presents a multi-agent framework for the controlled generation and validation of synthetic Text-to-SQL data, aimed at increasing semantic diversity and correctness. The system, based on a teacher-student paradigm, combines generation and iterative verification to create thousands of valid queries. This methodology provides a solid foundation for the scalable and self-correcting generation of Text-to-SQL datasets.

La tesi presenta un framework multi-agente per la generazione e validazione controllata di dati sintetici Text-to-SQL, volto ad aumentare la diversità e la correttezza semantica. Il sistema, basato su un paradigma teacher–student, combina generazione e verifica iterativa per creare migliaia di query valide. Questa metodologia offre una base solida per la generazione scalabile e auto-correttiva di dataset Text-to-SQL.