LQRS: Learned Query Re-optimization Framework for Spark SQL
Renmin University of China（中国人民大学）
LQRS是一种基于学习的查询重优化框架，通过课程强化学习策略和即插即用的计划扩展模块，实现动态计划优化，显著提升了Spark SQL的查询性能。
2026-03-04 cs.DB
Fast Data Management with Distributed Streaming SQL
为了在当今数据驱动的经济中保持竞争力，大大小小的企业都在转向流处理平台，以在数据到达时处理大容量、高速度和多样化的数据流（快速数据）。由当今流行的系统提供的低级编程模型缺乏对变化的响应：增强需要伴随着大量周转时间的代码变化。尽管分布式SQL查询引擎已经可用于大数据，但我们仍然缺乏对分布式流处理系统中基于SQL的流查询功能的支持。在本白皮书中，我们确定了一组要求，并提出了一个标准的基于SQL的流查询模型，用于管理所谓的快速数据。
2015-11-12 cs.DB
Evaluation d'une requete en SQL
本文的目的是展示询问处理器如何响应SQL询问。询问处理器分为两部分。第一个编译器称为询问编译器，它将SQL查询转换为物理执行计划。第二个称为评估查询，它运行执行计划。
2009-06-22 cs.DB
QueryBooster: Improving SQL Performance Using Middleware Services for Human-Centered Query Rewriting
QueryBooster提出基于中间件的服务架构，通过VarSQL规则语言和示例学习，实现以人为中心的SQL查询重写，提升端到端查询性能。
2023-05-14 cs.DB
Evaluating SQL Understanding in Large Language Models
University of Western Ontario（韦仕敦大学）；McMaster Unviersity（麦克马斯特大学）；University of British Columbia（不列颠哥伦比亚大学）
本文评估大型语言模型在SQL任务中的理解能力，通过检测语法错误、识别缺失token、预测查询性能等任务，揭示模型在语义理解和连贯性方面的局限。
2024-10-14 cs.DB
SEMA-SQL: Beyond Traditional Relational Querying with Large Language Models
Alibaba Group（阿里巴巴集团）；University of Michigan（密歇根大学）
SEMA-SQL通过结合关系操作与LLM语义推理，自动回答自然语言问题，提升查询能力。
2026-05-14 cs.DB
You Say 'What', I Hear 'Where' and 'Why': (Mis-)Interpreting SQL to Derive Fine-Grained Provenance
SQL声明性地指定查询的期望输出是什么。这项工作表明，SQL语义的非标准解释可以揭示输出的一部分来自输入的哪里，以及为什么这部分会进入结果。我们在各个表单元格的细粒度级别上为非常丰富的SQL方言（包括递归、窗口聚合和用户定义函数）推导出这样的数据出处。该方法是非侵入性的，并实现为组合源代码级SQL重写：输入SQL查询被转换为自己的解释器，该解释器使用数据依赖关系而不是常规值。我们故意设计这种转换，以保持数据和查询的形状，这使得起源派生扩展到复杂的查询，而不会压倒底层的数据库系统。
2018-07-03 cs.DB
Quantifying Semantic Query Similarity for Automated Linear SQL Grading: A Graph-based Approach
本文提出一种基于图的最短路径编辑距离方法来量化 SQL 查询的语义差异，实验表明其评分准确性和可理解性优于现有技术并接近人工评分水平。
2024-03-21 cs.DB
What if an SQL Statement Returned a Database?
本文提出用 RESULTDB 关键字扩展 SQL 的 SELECT 子句，使其返回结果数据库而非单表，从而避免连接非规范化，并改善查询性能、结果传输效率及优化器设计。
2023-12-01 cs.DB
Experiments \& Analysis of Privacy-Preserving SQL Query Sanitization Systems
本文系统分类并定量分析主流SQL查询净化系统，揭示数据效用、执行开销与隐私保证间的权衡，为隐私保护数据库技术提供结构化评估。
2025-10-15 cs.DB
Forecasting SQL Query Cost at Twitter
Twitter, Inc.（推特公司）
随着大数据时代的到来，使用传统的DBMS方法来计算SQL查询的资源使用量通常是计算昂贵的。我们是否可以更有效地估计每个查询的成本，而无需在SQL引擎内核中进行任何计算？机器学习技术能否帮助估计SQL查询资源利用率？答案是肯定的。我们提出了一个SQL查询成本预测服务，它采用机器学习技术，训练模型，从历史查询请求日志和快速预测的CPU和内存资源的使用，而无需在SQL引擎中进行任何计算。在Twitter，基础设施工程师正在维护一个跨本地和云数据中心的大规模SQL联合系统，以服务于临时查询。建议的服务可以通过缓解SQL引擎集群中不平衡的在线分析处理（OLAP）工作负载的问题来帮助改善查询调度。它还可以帮助实现抢先扩展。此外，所提出的方法使用普通SQL语句进行模型训练和在线预测，这表明它与硬件和软件无关。该方法可以推广到更广泛的SQL系统和异构环境。该模型对CPU使用率的预测精度达到97.9%，对内存使用率的预测精度达到97%.
2022-04-12 cs.AI cs.DB
SPA: A SQL-Plan-Aware Reinforcement Learning Framework for Query Rewriting with LLMs
Simon Fraser University（西蒙菲莎大学）
提出SPA框架，利用物理执行反馈训练LLM重写SQL查询，通过概率门控自适应奖励塑形和策略自改进，显著提升端到端运行时性能并减少有害重写。
2026-06-07 cs.DB
A Functional Data Model and Query Language is All You Need
本文提出函数式数据模型 FDM 与函数式查询语言 FQL，旨在克服 SQL 的多项根本缺陷，并通过与编程语言统一实现更强表达力和整体优化。
2025-07-28 cs.DB
Edit Based Grading of SQL Queries
手动给学生的SQL查询评分是一个繁琐且容易出错的过程。测试学生SQL查询正确性的早期工作，例如XData系统，可以用来测试学生查询的正确性。然而，如果学生查询被发现是不正确的，目前没有办法自动分配部分分数。部分标记是重要的，这样小错误比大错误受到的惩罚要少。手动授予部分分数对于学生人数众多的课程，特别是MOOC，是不可扩展的，而且也容易出现人为错误。在本文中，我们讨论的技术，以找到一个最小的成本编辑一个学生查询，将使其正确，这可以帮助分配部分标记，并帮助学生准确地了解他们错了。鉴于目前的形式化方法的局限性，检查等价性，我们的方法是基于找到最近的查询，从一组教师提供的正确的查询，即被发现是基于查询规范化的等价。我们表明，穷举技术是昂贵的，并提出了一个贪婪的启发式方法，以及在现实世界的数据集查询的运行时间和准确性。我们的系统也可以用于学习模式，查询编辑可以建议作为反馈给学生，引导他们对正确的查询。我们的部分评分系统已成功地用于印度理工学院孟买和印度理工学院达瓦德的课程。
2019-12-19 cs.DB
Shark: SQL and Rich Analytics at Scale
Shark是一个新的数据分析系统，它将查询处理与大型集群上的复杂分析结合在一起。它利用新颖的分布式内存抽象来提供可以运行SQL查询和复杂分析功能（例如，迭代机器学习），并在查询中有效地从故障中恢复。这使得Shark运行SQL查询的速度比Apache Hive快100倍，机器学习程序的速度比Hadoop快100倍。与以前的系统不同，Shark表明，在保留类似MapReduce的执行引擎以及此类引擎提供的细粒度容错属性的同时，可以实现这些加速。它以多种方式扩展了这样的引擎，包括面向列的内存存储和动态中间查询重新规划，以有效地执行SQL。其结果是一个系统，匹配的加速报告MPP分析数据库在MapReduce，同时提供容错属性和复杂的分析能力，他们缺乏。
2012-11-27 cs.DB
iPDB -- Optimizing Semantic SQL Queries
Purdue University（普渡大学）；Google Inc.（谷歌公司）
iPDB通过引入语义查询优化技术，支持在数据库内进行机器学习和大语言模型推理，实现语义SQL查询的高效执行，平均提速2.5倍，最高可达30倍。
2026-04-23 cs.DB
System and Methods for Converting Speech to SQL
IIT Guwahati（印度理工学院古瓦哈提分校）；IBM Information Management, India Software Lab（IBM信息管理印度软件实验室）
本文讨论了如何将英语口语查询转换为SQL，以便从关系数据库中检索数据。用户通过用户界面提交作为语音信号的查询，并获得文本格式的查询结果。我们已经开发了声学和语言模型，使用它的语音话语可以转换为英语文本查询，从而自然语言处理技术可以应用于这个英语文本查询，以生成一个等效的SQL查询。语音转换成英文文本HTK和朱利叶斯工具已被使用，并转换成SQL查询的英文文本查询，我们已经实现了一个系统，使用基于规则的翻译翻译成SQL查询的英文语言查询。翻译使用词法分析器，解析器和语法指导的翻译技术，如编译器。JFLex和BYACC工具分别用于构建词法分析器和语法分析器。系统是域独立的，即系统可以在不同的数据库上运行，因为它从底层数据库生成lex文件。
2013-08-14 cs.CL cs.DB
SQLMorph: Query Mutation and Fine-Grained Metrics for Text-to-SQL Evaluation
Polytechnique Montréal（蒙特利尔综合理工学院）
SQLMorph通过查询变异和细粒度指标，自动生成评估集并揭示系统在复杂查询和语言变化下的性能差异，提升评估的可复现性与实用性。
2026-09-09 cs.AI cs.DB
Example-Driven User Intent Discovery: Empowering Users to Cross the SQL Barrier Through Query by Example
传统的数据系统需要专业的技术技能，用户需要了解数据组织并编写精确的查询来访问数据。因此，缺乏技术专长的新手用户在仔细阅读和分析数据时面临障碍。现有的工具通过关键字搜索、查询推荐和查询自动完成来帮助制定查询，但仍然需要一些技术专长。访问数据的另一种方法是按示例查询（QBE），其中用户只需提供其预期数据的示例即可表达其数据探索意图。我们研究了一个国家的最先进的QBE系统称为SQuID，并将其与传统的SQL查询。我们的比较用户研究表明，具有不同专业知识的用户使用SQuID比SQL更有效和高效。我们发现SQuID消除了研究数据库模式，形式化任务语义和编写语法正确的SQL查询的障碍，从而大大提高了数据探索技术专业知识的需求。
2021-01-02 cs.DB cs.HC
Preventing SQL Injection through Automatic Query Sanitization with ASSIST
Web应用程序正在成为我们日常生活中必不可少的一部分。我们的许多活动都依赖于这些应用程序的功能和安全性。随着这些应用程序规模的增长，注入漏洞（如SQL注入）是当今开发人员面临的主要安全挑战。本文提出了自动查询消毒技术，以自动消除SQL注入漏洞的代码。在我们的技术中，结合了静态分析和程序转换，用于自动仪器的Web应用程序与消毒代码。我们已经在一个名为ASSIST（自动和静态SQL注入清理工具）的工具中实现了这种技术，用于保护基于Java的Web应用程序。我们的实验评估表明，我们的技术是有效的SQL注入漏洞，并具有较低的开销。
2010-09-20 cs.DB cs.SE
Learning SQL from within: integrating database exercises into the database itself
本文提出开源框架 SQLab，将 SQL 练习嵌入数据库内部，通过查询指纹识别技术评估答案并解锁加密消息，以游戏化冒险形式提升 SQL 教育效果。
2024-10-21 cs.DB
DAGSmith: Dependency-Aware Rewriting for dbt-Style SQL Pipelines
University of Michigan（密歇根大学）
DAGSmith是首个面向dbt风格SQL流水线DAG的依赖感知源到源重写系统，在Tuva dbt项目上可缩短运行时间、降低计算成本，效果优于现有单查询重写方法。
2026-08-25 cs.DB
Towards Cross-Model Efficiency in SQL/PGQ
针对 SQL/PGQ 中 SQL 与图模式查询的性能差异，本文主张进行统一的整体优化，并提出未来研究方向以缩小跨模型性能差距。
2025-05-12 cs.DB
Serving Hybrid-Cloud SQL Interactive Queries at Twitter
在过去的几年里，Twitter对数据分析的需求一直在不断增长。为了满足这些需求并提供高度可扩展和可用的查询体验，非常依赖于大规模的内部SQL系统。最近，我们将SQL系统升级为混合云SQL联邦系统，符合Twitter的部分云策略。混合云SQL联合系统能够处理Twitter数据中心和公共云的查询，每天与大约10PB的数据进行交互。本文提出了混合云SQL联邦系统的设计，该系统由查询联邦、集群联邦和存储联邦组成。我们确定了现代SQL系统中的挑战，并展示了我们的系统如何通过一些重要的设计决策来解决这些挑战。我们还进行定性检查，并总结了有益的经验教训，从这样一个SQL系统的开发和运行。
2022-07-09 cs.DB
Query, Don't Train: Privacy-Preserving Tabular Prediction from EHR Data via SQL Queries
本文提出QDT方法，通过LLM生成隐私合规的SQL查询从EHR中提取汇总统计信息并进行推理预测，无需训练或访问个体数据，在2型糖尿病30天再入院预测中F1达0.70，优于TabPFN。
2025-09-21 cs.DB
TLSQL: Table Learning Structured Query Language
Shanghai Jiao Tong University（上海交通大学）；Beijing Institute of Technology（北京理工大学）
TLSQL是一种通过SQL-like声明性规范直接在关系数据库上执行表格学习的系统，旨在降低将机器学习集成到数据库工作流程中的门槛。
2026-08-13 cs.DB
SQLGovernor: An LLM-powered SQL Toolkit for Real World Application
针对真实复杂OLAP场景中SQL查询的语法错误与效率问题，提出LLM驱动的SQLGovernor工具包，通过片段级处理与混合自学习机制实现语法纠正与查询重写，性能提升达10%，有效降低人工依赖。
2025-09-15 cs.DB
Duoquest: A Dual-Specification System for Expressive SQL Queries
查询关系数据库是困难的，因为它要求用户既了解SQL语言又熟悉模式。另一方面，许多用户拥有足够的领域熟悉度或专业知识来描述他们想要的查询的替代手段。对于这样的用户，编写SQL的两个主要替代方案是自然语言接口（NLI）和示例编程（PBE）。这两种替代方案都面临着一定的陷阱：自然语言查询（NLQs）通常是模糊的，即使是人类解释器，而目前的PBE方法需要低复杂度的查询，用户模式知识，来自用户的确切示例元组，或者是一个封闭世界的假设是易处理的。因此，我们提出了双规格查询合成，它既消耗NLQ和可选的PBE表草图查询，使用户能够表达不同层次的特定领域的知识。我们介绍了新的双规格Duoquest系统，它利用引导部分查询枚举，有效地探索可能的查询空间。我们目前的结果，从用户的研究中，Duoquest表现出62.5%的绝对增长，在查询建设的准确性比一个国家的最先进的NLI和可比的准确性，以PBE系统支持的工作量更有限的PBE系统。在对著名的Spider基准测试的模拟研究中，Duoquest的top-1精度比NLI和PBE都提高了2倍以上。
2020-03-16 cs.DB
SQL-RewriteBench: A Correctness-Gated, Full-Denominator Benchmark for Statement-Level SQL Rewriting [Experiment,Analysis & Benchmark]
Zhejiang University（浙江大学）；Huawei Company（华为公司）
研究语句级SQL重写，提出SQL-RewriteBench基准测试，应用正确性门控和全分母计算，其指标套件可区分多种指标，定义了SCS和CGOQ，提供多个可执行实例，通过测试发现现有方法存在问题，强调可部署SQL重写需多方面改进。
2026-08-18 cs.DB
A comparative analysis of state-of-the-art SQL-on-Hadoop systems for interactive analytics
Hadoop正在成为企业中的主要数据中心，而SQL代表了事实上的数据分析语言。这种结合导致了当今使用的各种SQL-on-Hadoop系统的开发。虽然各种SQL-on-Hadoop系统针对同一类分析工作负载，但它们不同的架构、设计决策和实现会影响查询性能。在这项工作中，我们使用Amazon EC2云平台上的Web Data Analytics微基准和TPC-H基准对四个最先进的SQL on Hadoop系统（Impala，Drill，Spark SQL和Phoenix）进行了比较分析。TPC-H实验结果表明，尽管Impala在文本格式上优于其他系统（4.41 x-6.65 x），但在镶木格式中存在权衡，每个系统在查询子集上表现最好。对执行配置文件的全面分析扩展了性能结果，以深入了解性能变化、性能瓶颈和查询执行特性。
2018-03-31 cs.DB
Queries with Guarded Negation (full version)
数据库理论中一个公认的基本观点是否定（也称为互补）往往会使查询难以处理和推理。许多基本问题是可判定的，并承认在联合查询的情况下，实用的算法，但变得困难，甚至不可判定的查询时，允许包含否定。受有限模型理论中最近结果的启发，我们考虑了否定的一种限制形式，即保护否定。我们介绍了一个片段的SQL，称为GN-SQL，以及一个片段的Datasheet与分层否定，称为GN-Datasheet，只允许守卫否定，我们表明，这些查询语言计算良好的行为，在测试查询包容，查询评估，开放世界的查询回答，和有界性。GN-SQL和GN-Datasheet继承了许多众所周知的查询语言和约束语言，例如合取查询的联合、一元数据库和边界保护的tgds。此外，对标准基准测试工作负载的分析表明，在实践中，SQL中否定的大多数用法都是保护性否定。
2012-03-01 cs.DB
From Data Querying to Data Investigations: Rethinking Natural Language Interfaces for Databases
TU Darmstadt（达姆施塔特工业大学）；MIT Darmstadt（达姆施塔特理工学院）；DFKI（德国人工智能研究中心）
本文针对传统数据库自然语言接口仅支持单条SQL查询的局限，提出数据调查新范式，构建原型系统D²，结合新基准验证其在需证据决策的数据调查任务中优于传统单查询问答。
2026-09-04 cs.DB
Equivalence of SQL Queries in Presence of Embedded Dependencies
我们考虑的问题，找到等价的最小尺寸的SQL查询中存在嵌入的依赖关系的重构[1]。我们的重点是选择项目连接（SPJ）查询与平等的比较，也被称为安全的合取（CQ）查询，可能与分组和聚合。对于SPJ查询，SQL标准的语义将查询答案视为多集（也称为bags），而所存储的关系可以被视为集合，这被称为用于查询评估的bag-set语义，或者被视为bags，这被称为bag语义。（在集合语义下，查询答案和存储的关系都被视为集合。在上述查询重构问题的背景下，我们开发了一个全面的框架，用于在包和包集语义下存在嵌入式依赖关系的CQ查询的等价性，并做出了一些概念和技术上的贡献。具体来说，我们在包和包集语义下存在任意嵌入依赖集的CQ查询的等价性测试，条件是输入上的集语义（set-chase）下的chase [9]终止。我们还提出了等价性测试的聚合CQ查询存在嵌入式依赖关系。我们使用我们的等价性测试开发健全和完整的（每当集追逐的输入终止）的算法，用于解决的实例的查询重构问题的CQ查询下的每个袋和袋集语义，以及聚合查询的问题的实例。
2009-06-26 cs.DB
HoTTSQL: Proving Query Rewrites with Univalent SQL Semantics
每个数据库系统都包含一个执行查询重写的查询优化器。不幸的是，开发查询优化器仍然是一项极具挑战性的任务。部分挑战来自于查询语言的复杂性和丰富特性，这使得重写规则的推理变得困难。在本文中，我们提出了一个机器可检查的指称语义的SQL，事实上的语言为关系数据库，严格验证重写规则。与以前提出的非机械化或仅涵盖少量SQL语言功能的语义不同，我们的语义涵盖了SQL的所有主要功能，包括包，相关子查询，聚合和索引。我们的机械化语义，称为HoTTSQL，是基于K-关系和同伦类型论，其中我们表示关系作为数学函数从元组到单价类型。我们已经在Coq中实现了HoTTSQL，它只需要不到300行代码，并且已经证明了广泛的SQL重写规则，包括来自数据库研究文献的规则（例如，魔术集重写）和真实世界的查询优化器（例如，子查询消除）。这些重写规则中有几条以前从未被证明是正确的。此外，虽然查询等价性通常是不可判定的，但我们已经使用HoTTSQL实现了一个自动决策过程，用于合取查询：一个经过充分研究的可判定SQL片段，包含许多真实世界的查询。
2016-08-05 cs.DB cs.LO cs.PL
Qr-Hint: Actionable Hints Towards Correcting Wrong SQL Queries
本文提出 Qr-Hint 系统，从用户错误 SQL 查询出发生成可证明正确、局部最优的可操作修复提示，并通过实验与用户研究验证其有效性。
2024-04-05 cs.DB
Robust Estimation of Resource Consumption for SQL Queries using Statistical Techniques
估计SQL查询的资源消耗的能力对于数据库系统中的许多任务（诸如查询优化期间的准入控制、查询调度和成本计算）是至关重要的。最近的工作已经探索了使用统计技术进行资源估计，以代替在查询优化中使用的手动构建的成本模型。这种技术需要查询中资源使用的训练数据示例，提供了优越的估计精度的承诺，因为它们可以考虑诸如系统的硬件特性或基数估计中的偏差之类的因素。然而，所提出的方法缺乏鲁棒性，因为它们不能很好地推广到不同于训练样本的查询，从而导致显著的估计误差。我们的方法旨在通过将数据库查询处理知识与统计模型相结合来解决这个问题。我们在单个运营商的层面上对资源使用进行建模，每个运营商类型具有不同的模型和功能，并明确地对每个运营商的渐近行为进行建模。这导致显著更好的估计精度和估计任意计划的资源使用的能力，即使它们与训练实例非常不同。我们使用Microsoft SQL Server上的各种大规模现实生活和基准工作负载来验证我们的方法。
2012-08-01 cs.DB
Training Table Question Answering via SQL Query Decomposition
Sorbonne University（索邦大学）；CNRS（法国国家科学研究中心）；University of Angers（昂热大学）
本文提出在表格问答训练中通过模仿受限SQL类代数运算的执行流程提供中间监督，从而提升泛化与结构化推理能力，并探讨了生成架构与外部算法在操作预测上的分工。
2024-02-19 cs.AI cs.DB
Dialect-Agnostic SQL Parsing via LLM-Based Segmentation
National University of Singapore（新加坡国立大学）；Virgina Tech（弗吉尼亚理工大学）
本文提出SQLFlex框架，结合语法解析与LLM分段技术，提升对多种SQL方言的解析能力，在SQL检查和测试用例缩减中均表现优异。
2026-03-17 cs.DB cs.SE
SQLCheck: Automated Detection and Diagnosis of SQL Anti-Patterns
数据库即服务平台的出现使得部署数据库应用程序比以前更容易。现在，开发人员可以快速创建可扩展的应用程序。然而，设计高性能、可维护和准确的应用程序是一项挑战。开发人员可能会在不知不觉中在应用程序的SQL语句中引入反模式。这些反模式是旨在解决问题的设计决策，但通常会因违反基本设计原则而导致其他问题。在本文中，我们介绍了SQLCheck，一个用于自动查找和修复数据库应用程序中的反模式的整体工具链。我们介绍了自动（1）检测具有高精度和召回率的反模式，（2）根据其对性能，可维护性和应用程序的准确性的影响对反模式进行排名，以及（3）建议替代查询和更改数据库设计以修复这些反模式的技术。我们证明了这些反模式的流行在一个大型的查询和数据库收集从开源存储库。我们介绍了一个反模式检测算法，增强查询分析与数据分析。我们提出了一个排名模型的特点经常发生的反模式的影响。我们将讨论SQLCheck如何使用基于规则的查询重构技术为高影响的反模式提出修复建议。我们的实验表明，SQLCheck使开发人员能够创建更高性能，可维护性和准确的应用程序。
2020-04-21 cs.DB
Datrics Text2SQL: A Framework for Natural Language to SQL Query Generation
Datrics
针对Text-to-SQL系统在歧义理解、领域词汇和复杂模式处理上的难题，提出基于RAG的Datrics Text2SQL框架，通过知识库检索生成准确SQL，降低数据分析的使用门槛。
2025-04-03 cs.AI cs.CL cs.DB
Speech-to-SQL: Towards Speech-driven SQL Query Generation From Natural Language Question
The Hong Kong University of Science and Technology（香港科技大学）；AI Group, WeBank Co., Ltd（微众银行人工智能部）
随着智能手机和平板电脑在我们日常生活中的普及，基于语音的输入已经获得了显著的发展势头，因为语音是用于人机交互的最简单和最有效的方式。本文致力于设计更有效的基于语音的接口来查询关系数据库中的结构化数据。我们首先确定了一个新的任务命名为语音到SQL，其目的是理解人类语音传达的信息，并直接将其翻译成结构化的查询语言（SQL）语句。这个问题的简单解决方案可以以级联方式工作，也就是说，自动语音识别（ASR）组件后跟文本到SQL组件。然而，它需要高质量的ASR系统，并且还遭受两个组件之间的误差复合问题，从而导致性能受限。为了应对这些挑战，我们进一步提出了一种名为SpeechSQLNet的新型端到端神经架构，可以直接将人类语音转换为SQL查询，而无需外部ASR步骤。SpeechSQLNet的优势在于充分利用了语音中所呈现的丰富的语言信息。据我们所知，这是第一次尝试基于任意自然语言问题直接合成SQL，而不是基于自然语言的SQL版本或其具有有限SQL语法的变体。为了验证所提出的问题和模型的有效性，我们进一步构建了一个名为SpeechQL的数据集，通过搭载广泛使用的文本到SQL数据集。对该数据集的广泛实验评估表明，SpeechSQLNet可以直接从人类语音中合成高质量的SQL查询，在精确匹配精度方面优于各种竞争对手以及级联方法。
2022-01-04 cs.AI cs.CL cs.DB
Data Ambiguity Strikes Back: How Documentation Improves GPT's Text-to-SQL
本文研究现实世界数据集中的数据歧义（值一致性、覆盖范围、粒度），发现为GPT-4提供原本面向人类的文档可使其Text-to-SQL性能提升28.9%。
2023-10-28 cs.DB
Translating Canonical SQL to Imperative Code in Coq
SQL是迄今为止使用和实现最广泛的查询语言。然而，在一些关键特性上，比如相关查询和空值语义，许多实现存在分歧或包含错误。我们利用SQL和查询编译器的形式化的最新进展来开发DBCert，这是第一个从以规范形式编写的SQL查询到命令式代码的机械验证编译器。构建DBCert需要几个新的贡献，本文对此进行了描述。首先，我们指定和机械化一个完整的转换，从SQL到嵌套关系代数，可用于查询优化。其次，我们定义了Imp，这是一种足以表达SQL的小型命令式语言，可以针对包括JavaScript在内的几种执行语言。最后，我们开发了一个机械化的翻译从嵌套关系代数Imp，使用嵌套的关系演算作为中间步骤。
2022-03-22 cs.DB cs.PL
On Repairing Natural Language to SQL Queries
针对text-to-SQL工具生成的查询常接近正确结果但仍存在错误的问题，提出一种与工具无关的基于变异的查询修复方法，在RAT-SQL和SmBoP上验证了其可修复大量错误查询。
2023-10-05 cs.DB cs.SE
A Unified System for Data Analytics and In Situ Query Processing
在当今世界，数据正在以高速率生成，因此分析并快速从这些数据中获得结果已成为不可避免的。大多数关系数据库主要支持SQL查询，对复杂数据分析的支持有限。因此，数据科学家别无选择，只能使用不同的系统进行复杂的数据分析。因此，数据科学框架需求巨大。但是要使用这样的框架，所有的数据都需要加载到其中，这需要在多个系统之间进行大量的数据移动，这可能是昂贵的。我们相信，它已成为一个小时的需要拿出一个单一的系统，可以执行数据分析任务和SQL查询。这将使数据科学家免于跨系统进行昂贵的数据传输操作。在我们的工作中，我们提出了DaskDB，一个构建在Python的Dask框架上的系统，这是一个可扩展的数据科学系统，支持异构数据源上的数据分析和原位SQL查询处理。DaskDB支持通过SQL查询调用任何Python API作为用户定义函数（UDF）。因此，它可以轻松地与大多数现有的Python数据科学应用程序集成，而无需修改现有代码。由于连接两个关系是一个非常重要但昂贵的操作，所以还引入了一种新的分布式学习索引来提高连接性能。我们的实验评估表明，DaskDB显着优于现有系统。
2021-04-07 cs.DB
RISE: Rule-Driven SQL Dialect Translation via Query Reduction
Institute of Software at CAS, China（中国科学院软件研究所）
RISE通过查询简化技术，利用LLM实现高效准确的SQL方言翻译，显著提升翻译准确率。
2026-01-09 cs.AI cs.CL cs.DB
MIRA: Evidence-Verified Repair Memory for Text-to-SQL Correction
Beijing Institute of Technology（北京理工大学）；The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；Shenzhen University（深圳大学）
本研究针对Text-to-SQL智能体生成的语义错误SQL问题，提出可插拔SQL修正器MIRA，将历史修正转为独立记忆项，经实验在BIRD和ScienceBenchmark数据集上显著提升了SQL执行准确率。
2026-08-10 cs.DB
Chain-of-Query: Unleashing the Power of LLMs in SQL-Aided Table Understanding via Multi-Agent Collaboration
Rice University（里士大学）；Samsung Electronics America（三星电子美国分公司）；Warner Bros. Discovery（华纳兄弟发现）
链式查询通过多智能体协作提升SQL辅助表格理解的准确性与有效性
2025-11-30 cs.AI cs.CL cs.DB
SQL Query Engine: A Self-Healing LLM Pipeline for Natural Language to PostgreSQL Translation
本文提出SQL查询引擎，通过两阶段LLM管道将自然语言问题转换为验证过的PostgreSQL查询。第二阶段执行查询并进入自我修复循环以处理错误。系统在多个LLM后端上进行了评估，展示了自我修复循环在准确性上的提升。
2026-04-15 cs.CL cs.DB
Natural Language Interfaces for Databases: What Changes for SQL-Literate Users?
Stern School of Business, New York University（纽约大学斯特恩商学院）；Tandon School of Engineering, New York University（纽约大学坦登工程学院）
研究比较基于GPT-4o的NLIDB SQL-LLM与传统SQL平台Snowflake，发现接口改变工作类型非工作量，SQL-LLM用户查询速度快但准确性低，熟悉SQL的参与者转向自然语言后仍有验证负担。
2026-07-28 cs.DB cs.HC
HI-SQL: Optimizing Text-to-SQL Systems through Dynamic Hint Integration
Quantiphi Analytics Solutions Pvt Ltd（Quantiphi分析解决方案私人有限公司）
HI-SQL通过动态提示集成优化文本到SQL系统，提升查询准确性和效率。
2025-12-17 cs.DB cs.LG
Querying Large Language Models with SQL
EURECOM；Google AI（谷歌AI）
本文提出Galois原型系统，通过引入查询LLM的物理操作符，实现使用SQL查询大型语言模型以提取非结构化文本信息，为混合查询处理提供了新方向。
2023-10-25 cs.AI cs.DB
On-the fly AES Decryption/Encryption for Cloud SQL Databases
我们提出了客户端AES 256加密云SQL数据库。列密文是确定性的或概率性的。我们信任云DBMS的运行时值的安全性，例如，通过移动目标防御客户端可以将AES密钥与查询一起发送。这些服务于将所选密文动态解密为用于查询评估的明文。DBMS最迟在查询结束时清除键和明文。它可以将密文传递给解密使能的客户端或以其他方式传递明文，例如，浏览器/导航器。该方案在功能上向云DBMS提供明文SQL DBMS的能力。AES处理开销对于现代CPU来说似乎可以忽略，例如，一个流行的英特尔I5。确定性加密可以没有存储开销。概率的一个加倍的DB存储。该方案似乎是第一个普遍实用的外包加密SQL数据库。一个足以实践的实现看起来很容易。一个现有的云SQL数据库管理系统与UDF支持应该做的。
2015-12-20 cs.CR cs.DB
SQLBarber: A System Leveraging Large Language Models to Generate Customized and Realistic SQL Workloads
Cornell University（康奈尔大学）
SQLBarber利用大型语言模型生成定制化且真实的SQL工作负载，通过声明式接口和贝叶斯优化器高效生成符合目标成本分布的查询。
2025-12-02 cs.AI cs.CL cs.DB
