Translating Natural Language Instructions to Computer Programs for Robot Manipulation
Indian Institute of Science（印度科学学院）；Robert Bosch Center for Cyber Physical Systems（罗伯特·博世网络物理系统中心）
非常希望与人类一起工作的机器人能够理解自然语言的指令。现有的语言条件模仿学习模型直接从图像观察和指令文本中预测执行器命令。而不是直接预测执行器命令，我们建议将自然语言指令翻译为Python函数，该函数通过访问对象检测器的输出来查询场景并控制机器人执行指定的任务。这使得在计算对机器人的命令时能够使用诸如约束求解器之类的不可微模块。此外，在这种设置中的标签是信息量更大的计算机程序，它捕捉了专家的意图，而不是遥控演示。我们表明，所提出的方法比训练一个神经网络直接预测机器人的行动。
2021-03-20 cs.CL cs.LG cs.RO
Translating Natural Language to SQL using Pointer-Generator Networks and How Decoding Order Matters
University of Bonn（波恩大学）；Ruhr University Bochum（波鸿鲁尔大学）
将自然语言转换为SQL查询用于基于表的问答是一个具有挑战性的问题，并且已经受到研究界的极大关注。在这项工作中，我们扩展了一个指针生成器，并探讨了顺序事项的语义解析的SQL问题。尽管我们的模型是一个通用的指针生成器的简单扩展，它优于早期的作品WikiSQL，并保持竞争力，同时引入，更复杂的模型。此外，我们提供了一个更深入的调查潜在的订单事项的问题，可能会出现由于有多个正确的解码路径，并调查使用的增强以及在这种情况下的动态oracle。
2018-11-13 cs.AI cs.CL
Natural Language Querying System Through Entity Enrichment
EnnovLabs（恩诺夫实验室）；INSA CVL（中央卢瓦尔河谷国立应用科学学院）
本文提出一种基于实体增强的自然语言查询系统，将自然语言问题转换为数据库查询，并通过逻辑范式处理数据库以保证对不同数据库模型的适应性，初步实验验证了其良好精度。
2024-10-21 cs.CL cs.DB
Are LLMs Overkill for Databases?: A Study on the Finiteness of SQL
Cornell University（康奈尔大学）
本文通过376个数据库样本研究SQL查询的有限性，发现查询复杂度受现实需求限制，且模板分布呈现幂律特征，表明SQL查询可被模板高效覆盖。
2026-03-26 cs.AI cs.CL cs.DB
ColloQL: Robust Cross-Domain Text-to-SQL Over Search Queries
Carnegie Mellon University（卡内基梅隆大学）；Salesforce Inc.（赛富时公司）；Salesforce Research（赛富时研究院）
将自然语言语句转换为可执行查询是一种很有帮助的技术，可以让更广泛的不懂技术的最终用户访问存储在关系数据库中的大量数据。这方面的先前工作主要集中在语言正确和语义明确的文本输入。然而，真实世界的用户查询通常是简洁、口语化和嘈杂的，类似于搜索引擎的输入。在这项工作中，我们引入了数据增强技术和基于采样的内容感知BERT模型（ColloQL），以实现强大的文本到SQL建模超过自然语言搜索（NLS）的问题。由于缺乏评估数据，我们策划了一个新的NLS问题数据集，并证明了我们的方法的有效性。ColloQL的卓越性能扩展到格式良好的文本，在WikiSQL数据集上实现了84.9%（逻辑）和90.7%（执行）的准确性，据我们所知，它是不使用执行引导解码的性能最高的模型。
2020-10-19 cs.AI cs.CL cs.DB
CLIRudit: Cross-Lingual Information Retrieval of Scientific Documents
CONICET-Universidad de Buenos Aires. Instituto de Ciencias de la Computación (ICC). Buenos Aires, Argentina（CONICET-阿根廷布宜诺斯艾利斯大学。信息计算研究所（ICC）。布宜诺斯艾利斯，阿根廷）；École de bibliothéconomie et des sciences de l’information. Université de Montréal. Montréal, Canada（信息与图书馆科学学院。蒙特利尔大学。蒙特利尔，加拿大）
针对学术搜索中非英文成果检索需求，本文构建英法学术跨语言检索数据集CLIRudit，测试多类检索器性能并给出可复现基准，助力非英文学术内容获取。
2025-11-19 cs.CL cs.IR
Seq2SQL: Generating Structured Queries from Natural Language using Reinforcement Learning
Salesforce Research（Salesforce 研究院）
世界上大量的知识存储在关系数据库中。然而，由于缺乏对诸如SQL的查询语言的理解，用户从数据库检索事实的能力是有限的。我们提出了Seq2SQL，这是一种深度神经网络，用于将自然语言问题转换为相应的SQL查询。我们的模型利用SQL查询的结构来显着减少生成的查询的输出空间。此外，我们使用的回报，从在数据库的循环查询执行学习的政策，以产生无序的部分查询，我们表明是不太适合通过交叉熵损失优化。此外，我们还将发布WikiSQL，这是一个包含80654个手工注释的问题和SQL查询示例的数据集，分布在维基百科的24241个表中。该数据集是训练我们的模型所必需的，并且比可比数据集大一个数量级。通过将基于策略的强化学习与查询执行环境应用于WikiSQL，我们的模型Seq2SQL优于注意序列到序列模型，将执行准确率从35.9%提高到59.4%，逻辑形式准确率从23.4%提高到48.3%。
2017-11-09 cs.AI cs.CL
Applying Machine Translation to Two-Stage Cross-Language Information Retrieval
跨语言信息检索（CLIR），其中查询和文档是在不同的语言，需要查询和/或文档的翻译，以便将它们标准化为一个共同的表示。为此，使用机器翻译是一种有效的方法。然而，在翻译大规模的文档集合时，计算成本是令人望而却步的。为了解决这个问题，我们提出了一个两阶段的CLIR方法。首先，我们将给定的查询转换为文档语言，并检索有限数量的外国文档。其次，我们只将这些文档机器翻译成用户语言，并根据翻译结果对它们重新排序。我们还显示了我们的方法的有效性，通过使用日语查询和英语技术文档的实验。
2000-11-02 cs.CL
Toward Multi-Database Query Reasoning for Text2Cypher
Neo4j（Neo4j公司）
本文提出多数据库查询推理方法，解决跨多个独立图数据库的查询问题，通过三阶段路线图实现数据库路由、分解和异构查询推理。
2026-05-11 cs.CL cs.DB
A Hybrid Semantic Parsing Approach for Tabular Data Analysis
Microsoft Research Asia（微软亚洲研究院）
本文提出了一种新的方法，将自然语言问题转换为给定表的SQL查询，它满足了现实世界的数据分析应用程序的三个要求：跨域，多语言和快速启动。我们所提出的方法包括：（1）一个新的数据抽象步骤，使解析表不可知的解析器;（2）一组语义规则，用于解析抽象的数据分析问题，以中间逻辑形式的树派生，以减少搜索空间;（3）一个基于神经的模型作为局部评分功能的跨度为基础的语义解析器结构化优化和有效的推理。实验表明，我们的方法优于国家的最先进的算法在一个大型的开放基准数据集WikiSQL。我们也取得了可喜的成果，在一个小的数据集，更复杂的查询，在英语和中文，这表明我们的语言扩展和快速启动能力。
2019-10-24 cs.AI cs.CL cs.DB
NAT-NL2GQL: A Novel Multi-Agent Framework for Translating Natural Language to Graph Query Language
School of Data Science and Engineering, East China Normal University（华东师范大学数据科学与工程学院）；School of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）
提出NAT-NL2GQL多智能体框架，通过预处理、生成和优化三个智能体协作，将自然语言翻译为图查询语言，在StockGQL和SpCQL数据集上显著优于基线方法。
2024-12-11 cs.AI cs.CL cs.DB
Natural Language Models for Data Visualization Utilizing nvBench Dataset
UC Berkeley School of Information（加州大学伯克利分校信息学院）
本研究利用nvBench数据集，构建基于序列到序列transformer、以BERT为编码器的自然语言翻译模型，将自然语言转为Vega Zero可视化命令，并与T5模型对比，推动数据可视化翻译研究。
2023-10-02 cs.AI cs.CL
Auto-Cypher: Improving LLMs on Cypher generation via LLM-supervised generation-verification framework
ServiceNow（ServiceNow公司）
提出LLM监督的生成-验证流水线，生成高质量Text2Cypher数据SynthCypher（29.8k实例），训练开源LLM在Cypher生成上性能提升高达40%。
2025-01-24 cs.AI cs.CL cs.IR
ORANGE: An Online Reflection ANd GEneration framework with Domain Knowledge for Text-to-SQL
Fudan University（复旦大学）；Tencent Cloud（腾讯云）；University of Cambridge（剑桥大学）
提出在线自演化框架ORANGE，通过解析翻译日志构建数据库特定知识库，并采用嵌套思维链SQL-to-Text策略减少语义错误，逐步缩小语义鸿沟，提升Text-to-SQL翻译准确性。
2025-11-04 cs.AI cs.CL cs.DB
Neural Generation of Regular Expressions from Natural Language with Minimal Domain Knowledge
MIT（麻省理工学院）；Microsoft（微软）
本文探讨了将自然语言查询转换为体现其含义的正则表达式的任务。与之前的工作相比，所提出的神经模型不使用特定领域的手工制作，而是直接从平行语料库中学习翻译。为了充分挖掘神经模型的潜力，我们提出了一种方法来收集一个大型的正则表达式，自然语言对语料库。我们得到的模型比以前的最先进的模型实现了19.6%的性能增益。
2016-08-09 cs.AI cs.CL
Question Answering for Complex Electronic Health Records Database using Unified Encoder-Decoder Architecture
KAIST（韩国科学技术院）
基于电子健康记录（EHR-QA）回答人类问题的智能机器具有很大的实用价值，例如支持临床决策，管理医院管理和医疗聊天机器人。以往基于表的QA研究侧重于将自然问题转换为表查询（NLQ 2SQL），然而，由于复杂和专业的医学术语，EHR数据的独特性，因此增加了解码难度。在本文中，我们设计了UniQA，一个统一的编码器-解码器架构的EHR-QA的自然语言的问题转换为查询，如SQL或SPARQL。我们还提出了输入屏蔽（IM），这是一种简单有效的方法，可以处理复杂的医学术语和各种错别字，并更好地学习SQL/SPARQL语法。通过将统一架构与有效的辅助训练目标相结合，UniQA与EHR领域中最复杂的NLQ 2SQL数据集MIMICSQL*（14.2%的增益）及其拼写错误版本（约28.8%的增益）相比，表现出了显著的性能提升。此外，我们确认了基于图形的EHR-QA数据集MIMICSPARQL* 的一致结果。
2021-11-14 cs.AI cs.CL cs.LG
Recent Advances in Text-to-SQL: A Survey of What We Have and What We Expect
University of Michigan（密歇根大学）；Westlake University（西湖大学）
Text-to-SQL由于能够将自然语言中的语义转换为SQL查询，并在构建与数据库系统的自然语言接口中得到了实际应用，因此受到了自然语言处理和数据库社区的关注。文本到SQL的主要挑战在于对自然语句的含义进行编码，解码为SQL查询，以及在这两种形式之间转换语义。最近的进展在不同程度上解决了这些挑战。然而，仍然缺乏对这项任务的全面调查。为此，我们回顾了文本到SQL的数据集，方法和评估的最新进展，并提供了这个系统的调查，解决了上述挑战，并讨论了潜在的未来方向。我们希望这项调查可以作为快速访问现有的工作，并激励未来的研究。
2022-08-22 cs.CL
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
Encoding Database Schemas with Relation-Aware Self-Attention for Text-to-SQL Parsers
UC Berkeley（加州大学伯克利分校）；Intel Labs（英特尔实验室）
当将自然语言问题转换为SQL查询来回答数据库中的问题时，我们希望我们的方法可以推广到训练集之外的域和数据库模式。为了使用神经编码器-解码器范例处理复杂的问题和数据库模式，将模式正确编码为问题输入的一部分至关重要。在本文中，我们在编码器中使用关系感知的自注意力，以便它可以推理所提供的模式中的表和列如何相互关联，并使用此信息来解释问题。我们在最近发布的Spider数据集上取得了显著的进步，精确匹配准确率为42.94%，而在已发表的工作中报告的准确率为18.96%。
2019-06-27 cs.CL cs.LG stat.ML
TailorSQL: An NL2SQL System Tailored to Your Query Workload
Parallel Web Systems（并行网络系统）；Amazon Web Services（亚马逊网络服务）；Technical University of Munich（慕尼黑技术大学）；STACKIT
TailorSQL利用历史查询负载信息提升自然语言到SQL翻译的准确性与延迟，在标准化基准上执行准确率最高提升2倍。
2025-05-29 cs.CL cs.DB
T5-SR: A Unified Seq-to-Seq Decoding Strategy for Semantic Parsing
Peking University（北京大学）；University of Chinese Academy of Sciences（中国科学院大学）；Meituan（美团）
针对seq2seq语义解析存在的模式预测质量差、语义一致性弱的问题，提出含SSQL中间表示和重排序机制的SR解码策略，T5-SR-3b在Spider数据集上取得SOTA结果。
2023-06-14 cs.AI cs.CL
Towards Natural Language Question Answering over Earth Observation Linked Data using Attention-based Neural Machine Translation
Centre of Studies in Resources Engineering, Indian Institute of Technology Bombay（印度理工学院孟买分校资源工程研究中心）
随着越来越多的地理空间关联开放数据被采用并在网上发布，有必要开发直观的界面和系统，以便对这种丰富的异质多模式数据集进行无缝和高效的探索性分析。这项工作的目的是通过开发一个自然语言界面来促进查询，从而改进地球观测关联数据的探索过程。对地观测关联数据提出的问题具有固有的时空维度，可以使用GeoSPARQL表示。本文旨在研究和分析基于RNN的神经机器翻译的使用，并注意将自然语言问题转换为GeoSPARQL查询。具体而言，它的目的是评估神经方法的可行性，用于识别和映射空间谓词在自然语言GeoSPARQL的拓扑词汇扩展，包括- Egenhofer和RCC 8关系。然后可以在三元组存储上执行查询以产生自然语言问题的答案。已创建了一个数据集，该数据集由从自然语言问题到Corine土地覆盖（CLC）关联数据上的GeoSPARQL查询的映射组成，以训练和验证深度神经网络。从我们的实验中，很明显，神经机器翻译与注意力是一个很有前途的方法，在自然语言的问题，GeoSPARQL查询的空间谓词翻译的任务。
2021-01-23 cs.AI cs.CL
An End-to-end Neural Natural Language Interface for Databases
TU Darmstadt（达姆施塔特工业大学）；Bilkent University（比尔肯特大学）
从新数据集中提取见解的能力对于决策至关重要。可视化交互工具在数据探索中发挥着重要作用，因为它们为非技术用户提供了一种有效的方式来可视化地组合查询并理解结果。自然语言最近作为数据库的替代查询接口获得了关注，其具有使非专家用户能够高效且有效地制定复杂问题和信息需求的潜力。然而，理解自然语言问题并将其准确地翻译成SQL是一项具有挑战性的任务，因此数据库的自然语言接口（NLIDB）尚未成为实用工具和商业产品。在本文中，我们提出了一个新的数据探索工具DBDBSIDE与自然语言接口。DBSQL利用深度模型的最新进展，通过以下方式使查询理解更加健壮：首先，DBSQL使用深度模型将自然语言语句翻译为SQL，使翻译过程对释义和其他语言变体更加健壮。第二，为了支持用户在不知道数据库模式和查询功能的情况下措辞问题，DBCable提供了一个学习的自动完成模型，该模型在查询制定过程中向用户建议部分查询扩展，从而有助于编写复杂的查询。
2018-04-02 cs.CL cs.DB cs.HC
Extending Confidence-Based Text2Cypher with Grammar and Schema Aware Filtering
Neo4j（Neo4j公司）
本文研究如何在文本到Cypher推理中利用结构约束提高查询正确性，通过扩展置信度框架加入序列过滤过程，结合置信度评分、语法验证和模式约束，提升生成查询的可靠性。
2026-05-11 cs.CL
xDBTagger: Explainable Natural Language Interface to Databases Using Keyword Mappings and Schema Graph
University of Waterloo（滑铁卢大学）；The Central Bank of the Republic of Türkiye（土耳其共和国中央银行）；Bilkent University（比尔肯特大学）
在关系数据库接口中将自然语言查询（NLQ）转换为结构化查询语言（SQL）是一项具有挑战性的任务，已经被来自数据库和自然语言处理社区的研究人员广泛研究。已经提出了许多工作来攻击自然语言数据库接口（NLIDB）问题，无论是传统的基于流水线的解决方案还是基于端到端深度学习的解决方案。然而，无论首选的方法是什么，这种解决方案都表现出黑盒性质，这使得这些系统所针对的潜在用户难以理解为生成翻译后的SQL而做出的决策。为此，我们提出了xDBTagger，一个可解释的混合翻译管道，解释了一路上向用户的文本和视觉的决定。我们还评估xDBTagger在三个现实世界的关系数据库定量。评估结果表明，除了完全可解释，xDBTagger是有效的准确性和翻译查询更有效地相比，其他国家的最先进的基于流水线的系统高达10000倍。
2022-10-07 cs.AI cs.CL cs.DB
Dr.Spider: A Diagnostic Evaluation Benchmark towards Text-to-SQL Robustness
Ohio State University（俄亥俄州立大学）；AWS AI Labs（亚马逊云服务人工智能实验室）
神经文本到SQL模型在将自然语言问题转换为SQL查询方面取得了显着的性能。然而，最近的研究表明，文本到SQL模型容易受到特定于任务的干扰。以前策划的鲁棒性测试集通常专注于个别现象。在本文中，我们提出了一个全面的鲁棒性基准的基础上蜘蛛，跨域的文本到SQL基准，诊断模型的鲁棒性。我们设计了17个数据库、自然语言问题和SQL查询的扰动，从不同的角度来衡量鲁棒性。为了收集更多样化的自然问题扰动，我们利用大型预训练语言模型（PLM）来模拟人类在创建自然问题时的行为。我们对鲁棒性集上的最先进模型进行了诊断研究。实验结果表明，即使是最强大的模型也会遭受14.0%的整体性能下降和50.7%的最具挑战性的扰动性能下降。我们还提出了关于文本到SQL模型设计的故障分析，并为提高模型的鲁棒性提供了见解。
2023-01-29 cs.CL
A Framework for Natural Language Interfaces to Temporal Databases
在过去的30年里，数据库自然语言接口的设计取得了长足的进步。这项工作的大部分涉及快照数据库，其中只有有限的设施，用于操纵随时间变化的信息。数据库社区对时态数据库越来越感兴趣，时态数据库是一种特别支持与时间相关的条目的数据库。我们已经开发了一个框架，用于构建自然语言接口的时间数据库，利用逻辑和语言学的时间现象的研究。我们的框架的中心部分是一个类似逻辑的形式语言，称为TOP，它可以捕捉到广泛的英语句子的语义。我们已经实现了一个基于HPSG的句子分析器，转换成一个大的英语查询，涉及时间TOP公式，并制定了一个可证明正确的程序翻译TOP表达式到查询中的TSQL2时态数据库语言。通过这种方式，我们已经建立了一个健全的路线，从英语到通用的时态数据库语言。
1996-11-25 cmp-lg cs.CL
SPARQL Generation: an analysis on fine-tuning OpenLLaMA for Question Answering over a Life Science Knowledge Graph
Department of Ecology and Evolution, University of Lausanne, Switzerland（生态与进化系，洛桑大学，瑞士）；SIB Swiss Institute of Bioinformatics, Lausanne, Switzerland（瑞士生物信息学研究所，洛桑，瑞士）
针对特定领域知识图谱问答任务中问题转SPARQL查询训练数据稀缺的问题，本研究提出端到端数据增强方法并评估OpenLlama微调策略，结合语义线索（如有意义变量名）在Bgee图谱上使性能提升33%。
2024-02-07 cs.AI cs.CL cs.DB
SPARQL as a Foreign Language
Liber AI Research（莱伯人工智能研究院）；University of Leipzig（莱比锡大学）；HTWK Leipzig（莱比锡应用技术大学）；University of Bonn（波恩大学）
在过去的几年里，关联数据云已经实现了超过1000亿个与多个领域相关的事实的规模。然而，访问这些信息对非专业用户来说是一个巨大的挑战。解决问题的方法，如关于关联数据的问答和链接发现，在增加信息获取方面发挥了重要作用。这些方法通常基于手工制作的和/或从数据观察中得出的统计模型。最近，基于称为seq 2seq的神经网络的深度学习架构已经显示出在将序列转换为序列方面实现了最先进的结果。在这个方向上，我们提出了神经SPARQL机器，这是一种端到端的深度架构，可以将任何自然语言表达式翻译成编码SPARQL查询的句子。我们的初步结果，仅限于选定的DBpedia类，表明神经SPARQL机是一个很有前途的方法问答的关联数据，因为它们可以处理已知的问题，如词汇不匹配和执行图形模式组成。
2020-05-05 cs.CL cs.DB
E-SQL: Direct Schema Linking via Question Enrichment in Text-to-SQL
Bilkent University（毕尔肯大学）
本文提出E-SQL流水线，通过直接模式链接和候选谓词增强，将数据库项及条件直接纳入自然语言问题以弥合查询与数据库结构的差距，在BIRD基准上取得66.29%的执行准确率。
2025-01-28 cs.CL
Integrating question answering and text-to-SQL in Portuguese
Universidade de São Paulo（圣保罗大学）；Center for Artificial Intelligence (C4AI)（人工智能中心（C4AI））
深度学习Transformers极大地改进了用自然语言自动回答问题的系统。然而，不同的问题需要不同的回答技术;在这里，我们提出，构建和验证一个架构，集成不同的模块来回答两种不同的查询。我们的架构采用自由形式的自然语言文本，并将其分类，将其发送到神经问答推理器或自然语言解析器到SQL。我们为葡萄牙语实现了一个完整的系统，使用了该语言的一些主要工具，并翻译了培训和测试数据集。实验结果表明，该系统能够以较高的准确率（99%以上）选择合适的回答方法，从而验证了模块化问答策略的有效性。
2022-09-21 cs.CL
Generalizing to New Domains by Mapping Natural Language to Lifted LTL
Brown University（布朗大学）
最近关于使用自然语言来指定机器人命令的工作已经将该语言建立在LTL上。然而，使用语言模型将自然语言任务规范映射到LTL任务规范需要在有限词汇上的概率分布。现有的最先进的方法已经扩展了这个有限的词汇表，包括从输入序列看不见的条款，以提高输出的泛化。然而，新的词汇表外的原子命题不能使用这些方法生成。为了克服这一点，我们引入了一个中间的上下文查询表示，可以从单个积极的任务规范的例子，关联上下文查询与LTL模板。我们证明，这种中间表示允许泛化看不见的对象引用，假设准确的接地。我们比较我们的方法映射自然语言任务规范到中间的上下文查询对国家的最先进的CopyNet模型能够翻译自然语言的LTL，通过评估是否正确的LTL操作和导航任务规范可以输出，并显示我们的方法优于CopyNet模型看不见的对象引用。我们证明了我们的方法输出的接地LTL可以用于在模拟OO-MDP环境中进行规划。最后，我们讨论了在将自然语言任务规范转换为接地LTL时遇到的一些常见故障模式。
2022-03-09 cs.CL cs.RO
CrackSQL: A Hybrid SQL Dialect Translation System Powered by Large Language Models
Shanghai Jiao Tong Univ.（上海交通大学）；Tsinghua University（清华大学）
针对异构数据库间 SQL 方言翻译的语法差异与语义变化难题，提出首个混合系统 CrackSQL，结合规则与 LLM 方法，通过基于功能的查询分割、跨方言语法嵌入模型及局部到全局翻译策略提升准确性与鲁棒性。
2025-04-01 cs.AI cs.CL cs.DB
DBTagger: Multi-Task Learning for Keyword Mapping in NLIDBs Using Bi-Directional Recurrent Neural Networks
Bilkent University（比尔肯大学）
在关系数据库的接口中，将自然语言查询语言（NLQs）转换为结构化查询语言（SQL）是一项具有挑战性的任务，近年来在数据库界得到了广泛的研究。传统的基于规则的系统利用一系列解决方案作为流水线来处理该任务的每个步骤，即停止词过滤、标记化、词干提取/词形化、解析、标记和翻译。最近的工作主要集中在翻译步骤，忽略了早期的步骤，使用特设的解决方案。在流水线中，最关键和最具挑战性的问题之一是关键字映射;在查询中的标记和关系数据库元素（表、属性、值等）之间构建映射。我们将关键字映射问题定义为序列标记问题，并提出了一种新的基于深度学习的监督方法，该方法利用NLQs的POS标签。我们提出的方法，称为\textit{DBTagger}（数据库标记），是一个端到端和模式无关的解决方案，这使得它适用于各种关系数据库。我们在八个不同的数据集上评估了我们的方法，并报告了新的最先进的准确性结果，平均值为$92.4\%$。我们的研究结果还表明，DBTagger是快于它的同行高达$10000$倍，可扩展的更大的数据库。
2021-01-11 cs.CL cs.DB
Where Privacy Risk Lives in English-Source Multilingual RAG: A Stage-Decomposed Audit Across Five Query Languages
Northeastern University（东北大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Southern Methodist University（南卫理公会大学）
该研究针对英语源多语言RAG系统，通过含五种查询语言的两阶段防御审计发现，非英语语言仍存在残留PII泄露，附加黄金文档可阻断多数残留单元，后续计划开展独立MT与非Qwen判别器的复现工作。
2026-08-07 cs.CL cs.LG
Retrieval and Augmentation of Domain Knowledge for Text-to-SQL Semantic Parsing
TCS Research Pune, India（TCS研究部，印度浦那）；TCS Research Delhi, India（TCS研究部，印度德里）
针对Text-to-SQL任务中现有领域知识依赖临时查询提示的问题，提出数据库层面结构化领域语句关联框架及子串匹配检索方法，在11个真实库、5款LLM上验证了实用性与准确率优势。
2025-10-01 cs.CL
FLEX: Expert-level False-Less EXecution Metric for Reliable Text-to-SQL Benchmark
Yanolja（야놀자（Yanolja））；Ajou University（明知大学）
本文提出基于 LLM 模拟专家判断的 FLEX 指标，以解决 EX 在 Text-to-SQL 评估中的假阳性和假阴性问题，并显著提升人类一致性及基准排名可靠性。
2024-10-28 cs.CL cs.IR cs.LG
DB-Explore: Automated Database Exploration and Instruction Synthesis for Text-to-SQL
Zhejiang University（浙江大学）；OPPO Research Institute（OPPO研究院）
针对现有text-to-SQL系统缺乏全面数据库理解的问题，提出DB-Explore框架，通过数据库图构建、知识挖掘与指令合成实现LLM与数据库知识对齐，在SPIDER、BIRD基准上取得优异表现，基于Qwen2.5-Coder-7B的开源实现以低成本达SOTA。
2025-05-21 cs.CL
From Natural Language to SQL: Review of LLM-based Text-to-SQL Systems
School of Computing and Informatics, University of Louisiana at Lafayette（路易斯安那大学拉斐特分校计算与信息学院）；School of Mechanical Engineering, University of Louisiana at Lafayette（路易斯安那大学拉斐特分校机械工程学院）
本文综述了基于LLM的文本到SQL系统从规则模型到RAG增强方法的演进，并特别研究了图RAG在上下文准确性与模式链接中的作用，同时指出计算效率、鲁棒性和数据隐私等关键挑战。
2025-02-04 cs.AI cs.CL
Embedding Individual Table Columns for Resilient SQL Chatbots
School of Computer and Communication Sciences, EPFL（洛桑联邦理工学院计算机与通信科学学院）；Swisscom AG（瑞士电信公司）
世界上的大部分数据都存储在关系数据库中。解决这些问题需要结构化查询语言（SQL）的专业知识，这使许多人无法理解。自然语言处理（NLP）中的一个最近的研究线程旨在通过将自然语言问题自动转换为SQL查询来缓解这个问题。虽然提出的解决方案是一个很好的开始，但它们缺乏鲁棒性，并且不容易推广：这些方法需要对数据库表列进行高质量的描述，而最广泛使用的训练数据集WikiSQL严重倾向于将这些描述作为问题的一部分。在这项工作中，我们提出了两个问题的解决方案：我们完全消除了列描述的需要，仅仅依靠它们的内容，我们通过解释列名来增加WikiSQL数据集以减少偏差。我们表明，当在我们的增强的列不可知数据集上训练时，现有方法的准确性下降，而我们自己的方法达到了最先进的准确性，同时仅依赖于列内容。
2018-11-01 cs.CL
GradeSQL: Test-Time Inference with Outcome Reward Models for Text-to-SQL Generation from Large Language Models
本研究提出GradeSQL框架，针对Text-to-SQL任务训练结果奖励模型（ORMs），在BIRD和Spider数据集上验证其作为测试时启发式策略的效果，性能优于ex-BoN和多数投票方法，且候选数增加时提升更显著。
2025-10-29 cs.AI cs.CL cs.DB
Learning from Imperfect Data: Towards Efficient Knowledge Distillation of Autoregressive Language Models for Text-to-SQL
Nanyang Technological University（南洋理工大学）；Wuhan University（武汉大学）；The University of Sydney（悉尼大学）
针对文本到SQL任务中LLM知识蒸馏难以平衡性能与效率的问题，提出KID方法，通过在不完美数据中模拟推理级联效应缓解训练-推理不匹配，在不增加过多预算下实现显著性能提升与训练效率改善。
2024-10-15 cs.CL cs.DB
Agentic Jackal: Live Execution and Semantic Value Grounding for Text-to-JQL
本文提出Jackal基准，通过实时执行和语义检索工具提升文本到JQL的准确性，验证了代理方法在解决语义歧义中的有效性。
2026-04-10 cs.CL
Enhancing Frame Detection with Retrieval Augmented Generation
Mila, Polytechnique Montréal（蒙特利尔理工学院米拉研究所）
提出首个基于RAG的RCIF框架检测方法，无需显式目标跨度，经嵌入、候选检索和框架识别三阶段，在FrameNet 1.5/1.7上达到最优，并提升自然语言到SPARQL任务的词汇泛化。
2025-02-17 cs.AI cs.CL cs.LG
VisEval: A Benchmark for Data Visualization in the Era of Large Language Models
Microsoft Research（微软研究院）；ShanghaiTech University（上海科技大学）
本文提出NL2VIS基准VisEval，包含覆盖146个数据库的2524个查询数据集及多维度自动评估方法，系统揭示大语言模型在可视化生成中的能力与挑战。
2024-08-07 cs.CL cs.HC
Unmasking Database Vulnerabilities: Zero-Knowledge Schema Inference Attacks in Text-to-SQL Systems
Department of Information Systems and Cyber Security（信息系统与网络安全系）；The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）
本文提出一种零知识模式推断攻击框架，通过精心设计的问题探测文本到SQL模型并利用GPT-4解释输出，以高准确率重建数据库表名等模式信息，揭示了严重的安全漏洞并评估了简单防护机制的局限。
2025-06-03 cs.CL
FRASE: Structured Representations for Generalizable SPARQL Query Generation
Polytechnique Montreal（蒙特利尔理工学院）；Mila（米拉研究所）
本文提出FRASE方法，利用框架语义角色标注增强SPARQL查询生成，并构建LC-QuAD 3.0数据集，实验证明该方法在泛化场景下显著提升大型语言模型的生成性能。
2025-03-28 cs.AI cs.CL
Arctic-Text2SQL-R1: Simple Rewards, Strong Reasoning in Text-to-SQL
Snowflake AI Research（Snowflake AI研究院）；University of Maryland（马里兰大学）；University of California, San Diego（加州大学圣地亚哥分校）
Arctic-Text2SQL-R1通过简单奖励机制和强化学习框架，在文本到SQL任务中实现高准确率和高效性，优于现有大型模型。
2026-01-12 cs.AI cs.CL
