DBRouting: Routing End User Queries to Databases for Answerability
Indian Institute of Technology Kharagpur（印度理工学院卡拉格普尔分校）；TCS Research（TCS研究中心）
本研究定义了将终端用户查询路由至数据库的新任务，通过扩展NL-to-SQL数据集构建基线，发现开源LLM优于嵌入方法但受token限制，并指出数据源数量、领域相似性等因素增加任务难度，需更复杂解决方案。
2025-01-28 cs.CL
Database Reasoning Over Text
University of Cambridge（剑桥大学）；Facebook AI（脸书人工智能）；Sapienza University, Rome（罗马萨皮恩扎大学）；University College London（伦敦大学学院）
神经模型在回答来自自然语言文本的查询方面表现出令人印象深刻的性能提升。然而，现有的作品无法支持数据库查询，如“列出/计数所有女运动员谁出生在20世纪”，这需要推理的相关事实集的操作，如加入，过滤和聚合。我们表明，虽然国家的最先进的Transformer模型表现非常好的小型数据库，他们表现出的局限性，在处理嘈杂的数据，数值运算，查询聚合的事实。我们提出了一个模块化的体系结构，以回答这些数据库风格的查询多个跨度从文本和聚合这些规模。我们使用WikiNLDB，一个新的数据集探索这样的查询的架构进行评估。我们的架构可以扩展到包含数千个事实的数据库，而当代模型则受到可以编码多少事实的限制。在小型数据库的直接比较中，我们的方法将整体答案准确率从85%提高到90%。在更大的数据库上，我们的方法保持了它的准确性，而Transformer基线不能对上下文进行编码。
2021-06-02 cs.AI 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
SQLucid: Grounding Natural Language Database Queries with Interactive Explanations
Purdue University（普渡大学）；University of Sydney（悉尼大学）；University of Notre Dame（圣母大学）
本文提出 SQLucid 交互式界面，通过视觉对应、中间结果和可编辑的自然语言分步 SQL 解释，帮助非专家理解并优化查询，实验证明其提升了任务准确性与用户信心。
2024-09-10 cs.CL cs.HC
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
Generation of complex database queries and API calls from natural language utterances
Got It AI R&D（Got It AI研发部）
生成对应于自然语言问题的查询是一个长期存在的问题。传统的方法缺乏语言灵活性，而新的序列到序列模型需要大量的数据。模式无关的序列到序列模型可以使用小数据集针对特定模式进行微调，但这些模型的准确性相对较低。我们提出了一种方法，将查询生成问题转化为一个意图分类和插槽填充问题。这种方法可以使用小数据集。对于与训练数据集中的问题类似的问题，它会产生高准确度的复杂查询。对于其他问题，它可以使用基于模板的方法或预测查询片段来构建查询，仍然比序列到序列模型具有更高的准确性。在真实世界的数据集上，模式微调的最先进的生成模型对于查询生成任务具有60%的精确匹配精度，而我们的方法导致92%的精确匹配精度。
2020-12-15 cs.CL cs.DB cs.LG
Multi-Meta-RAG: Improving RAG for Multi-Hop Queries using Database Filtering with LLM-Extracted Metadata
National University of Kyiv-Mohyla Academy（基辅-莫希拉国立大学）
提出Multi-Meta-RAG方法，利用LLM提取的元数据进行数据库过滤，有效改进RAG在多跳查询中的文档筛选，在MultiHop-RAG基准上大幅提升表现。
2024-08-19 cs.AI cs.CL cs.DB
Web Similarity in Sets of Search Terms using Database Queries
Drexel University（德雷塞尔大学）；CWI（荷兰国家数学与计算机科学研究中心）；University of Amsterdam（阿姆斯特丹大学）
归一化网络距离（NWD）是基于万维网或另一个大型电子数据库（例如维基百科）和返回可靠的聚合页面计数的搜索引擎的相似性或归一化语义距离。对于搜索词的集合，NWD给出了从0（相同）到1（完全不同）的尺度上的共同相似性（共同语义）。NWD根据所有（上半）可计算属性近似集合成员的相似性。我们开发的理论，并给出应用程序的分类使用亚马逊，维基百科，和NCBI网站从美国国立卫生研究院。最后一个给出了健康危害之间的新的相关性。NWD对两个的集合的限制产生较早的归一化谷歌距离（NGD），但是集合中的对的NGD的组合不能提取NWD从集合中提取的信息。NWD使一种新的上下文（不同的数据库）学习方法基于Kolmogorov复杂性理论，结合这些数据库的知识。
2020-07-23 cs.CL cs.CV 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
Diverse Parallel Data Synthesis for Cross-Database Adaptation of Text-to-SQL Parsers
Indian Institute of Technology Bombay（印度理工学院孟买分校）
文本到SQL解析器通常在训练期间与看不见的数据库作斗争。由于新模式中缺少自然语言查询，使解析器适应新数据库是一个具有挑战性的问题。我们提出了ReFill，一个框架，用于合成高质量和文本多样的并行数据集，以适应文本到SQL解析器的目标模式。ReFill学习从现有模式中检索和编辑文本查询，并将其传输到目标模式。我们发现，检索不同的现有文本，掩盖其特定于模式的令牌，并重新填充与目标模式相关的令牌，导致更多样化的文本查询比标准的SQL到文本生成方法。通过跨多个数据库的实验，我们证明了使用ReFill合成的数据集上的微调解析器始终优于先前的数据增强方法。
2022-10-29 cs.AI cs.CL cs.LG
Neural Databases
University of Cambridge（剑桥大学）；Facebook AI（脸书人工智能研究院）
近年来，神经网络在解决长期存在的人工智能问题方面表现出了令人印象深刻的性能提升，特别是在回答来自自然语言文本的查询方面。这些进步提出了一个问题，即它们是否可以扩展到我们可以放松数据库管理的基本假设的程度，即我们的数据表示为预定义模式的字段。本文提出了回答这个问题的第一步。我们描述了NeuralDB，一个数据库系统，没有预定义的模式，在其中的更新和查询是在自然语言。我们开发的查询处理技术，建立在最先进的自然语言处理方法提供的原语。首先，我们展示了在核心，最近的NLP Transformers，由预先训练的语言模型驱动，可以回答选择项目连接查询，如果他们被赋予确切的相关事实集。但是，它们不能扩展到重要的数据库，也不能执行聚合查询。基于这些发现，我们描述了一个并行运行多个Neural SPJ操作符的NeuralDB架构，每个操作符都有一组数据库语句，可以生成查询的一个答案。如果需要，这些运算符的结果被馈送到聚合运算符。我们描述了一种算法，该算法学习如何创建要馈送到每个神经SPJ运算符中的适当事实集。重要的是，该算法可以通过Neural SPJ算子本身进行训练。我们通过实验验证了NeuralDB及其组件的准确性，表明我们可以以非常高的准确性回答数千个句子的查询。
2020-10-14 cs.CL cs.DB cs.LG
Fine-Grained Table Retrieval Through the Lens of Complex Queries
University of Amsterdam（阿姆斯特丹大学）；UC Berkeley（加州大学伯克利分校）；Google（谷歌）；CWI（荷兰信息与人工智能研究所）
本文提出DCTR机制，通过细粒度类型查询分解和全局连接感知，提升复杂场景下表格检索的效率与鲁棒性。
2026-03-07 cs.AI cs.CL cs.DB
DataKernelBench: Can LLMs Optimize Database Queries on GPUs?
IBM Research（IBM研究院）；TU Wien（维也纳技术大学）
本文提出DataKernelBench基准，评估LLM在GPU上优化数据库查询内核的能力，实验显示最强模型配置在TPC-H数据集上实现2.11倍加速，工作负载上下文对性能影响大于硬件上下文。
2026-10-16 cs.AI cs.CL cs.DB
