CYGNET：用于神经执行分类和成本控制的 Cypher Gate

摘要

充当知识图代理的语言模型会生成结构上失败（数据库崩溃）或语义上失败（执行但返回错误结果）的 Cypher 查询。我们在查询生成和生产 Neo4j 数据库之间放置一个预执行门。该门通过四后端链验证结构，最终以中值延迟 5.6 毫秒的镜像图执行。结构性损坏的查询被路由到校正器，该校正器通过语言模型迭代结构化错误反馈。在七个 CypherBench 模式（2348 个问题，ACL 2025）上，管道保持了每个测试模型的生成准确性，确认其作为安全防御层运行。校正器在五个模型中取得了 81% 到 95% 的成功率（平均 89%）。在跨九个模式的模板生成语料库上，该门在带有标记端点的路径查询中捕获 100% 的解析错误、100% 的约束违规和 100% 的模式引用错误，在 1135 个查询中误报为零。属性同级交换，其中替换名称在目标标签分数 0% 上有效，标记结构验证结束且语义验证必须开始的正式边界。基于规划器的成本门在执行前标记灾难性的计划结构。