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
DataGpt-SQL-7B: An Open-Source Language Model for Text-to-SQL
Cainiao Network(菜鸟网络)
本文提出开源模型DataGpt-SQL-7B,通过构建超2万样本数据集、集成代码校正器与自我修正机制,在spider-dev上达到87.2%准确率,有效解决了Text-to-SQL转换问题。
2024-09-24 cs.AI
FINCH: Financial Intelligence using Natural language for Contextualized SQL Handling
Domyn
针对金融领域Text-to-SQL缺乏专用大规模数据集的问题,本文推出含292张表、75725个样本对的FINCH数据集,开展多模型基准测试并提出FINCH Score评估指标,填补相关研究缺口。
2025-10-02 cs.AI q-fin.CP
TrustSQL: Benchmarking Text-to-SQL Reliability with Penalty-Based Scoring
KAIST AI(韩国科学技术院人工智能学院)
TrustSQL基准通过惩罚评分评估文本到SQL模型的可靠性,要求模型对可行问题正确生成SQL、对不可行问题弃权(不执行),并比较流水线与统一方法,为更安全部署提供新视角。
2024-07-02 cs.AI
EzSQL: An SQL intermediate representation for improving SQL-to-text Generation
Indian Institute of Information Technology(印度信息技术学院);National Institute of Technology(印度国家理工学院)
本文提出SQL中间表示EzSQL,通过简化运算符和关键字使SQL更接近自然语言,并以其作为预训练生成模型输入,在WikiSQL和Spider上取得最先进的SQL到文本生成效果,同时可增强Text-to-SQL解析器性能。
2025-04-09 cs.AI cs.CL
HIE-SQL: History Information Enhanced Network for Context-Dependent Text-to-SQL Semantic Parsing
Alibaba Group(阿里巴巴集团)
近年来,上下文相关的文本到SQL的语义解析,将自然语言转换成SQL的交互过程中吸引了很多的关注。以前的作品利用上下文相关的信息,无论是从交互历史话语或以前预测的SQL查询,但未能利用这两个,因为自然语言和逻辑形式的SQL之间的不匹配。在这项工作中,我们提出了一个历史信息增强的文本到SQL模型(HIE-SQL),利用上下文相关的信息,从历史的话语和最后预测的SQL查询。针对这一问题,本文将自然语言和SQL作为两种模态,提出了一种双模态预训练模型来弥补这两种模态之间的差异。此外,我们设计了一个模式链接图,以加强从话语和SQL查询到数据库模式的连接。我们展示了我们的历史信息增强方法显著提高了HIE-SQL的性能,在编写时,在两个上下文相关的文本到SQL基准测试(SparC和CoSQL数据集)上实现了新的最先进的结果。
2022-04-02 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
Text-to-SQL based on Large Language Models and Database Keyword Search
Instituto Tecgraf, PUC-Rio(里约天主教大学 Tecgraf 研究所);Petrobras(巴西石油公司);Departamento de Informática, PUC-Rio(里约天主教大学 信息学系);Departamento de Computação, UFC(塞阿拉联邦大学 计算机科学系)
本文提出一种结合动态少样本示例和数据库关键词搜索平台的策略,将自然语言问题编译为SQL查询,在真实世界数据库上超越现有方法。
2025-01-23 cs.AI cs.DB
CoSQL: A Conversational Text-to-SQL Challenge Towards Cross-Domain Natural Language Interfaces to Databases
Yale University(耶鲁大学);Salesforce Research(赛富时研究院);University of Michigan(密歇根大学);Cornell University(康奈尔大学)
我们提出了CoSQL,用于构建跨域,通用数据库(DB)查询对话系统的语料库。它由30k+ turns加上10k+注释的SQL查询组成,这些查询是从3k对话的向导(WOZ)集合中获得的,查询跨越138个域的200个复杂DB。每个对话都模拟了一个真实的数据库查询场景,其中一个群众工作者作为用户探索数据库,一个SQL专家用SQL检索答案,澄清模糊的问题,或者通知无法回答的问题。当用户问题可以通过SQL回答时,专家向用户描述SQL和执行结果,从而保持自然的交互流。与现有的面向任务的对话数据集相比,CoSQL引入了新的挑战:(1)对话状态基于SQL,一种独立于域的可执行表示,而不是特定于域的槽值对,(2)因为测试是在看不见的数据库上完成的,成功需要推广到新的域。CoSQL包括三个任务:基于SQL的对话状态跟踪,查询结果的响应生成和用户对话行为预测。我们为每个任务评估了一组强大的基线,并表明CoSQL为未来的研究提出了重大挑战。数据集、基线和排行榜将在https://yale-lily.github.io/cosql上发布。
2019-09-11 cs.AI cs.CL
GBV-SQL: Guided Generation and SQL2Text Back-Translation Validation for Multi-Agent Text2SQL
提出多智能体框架GBV-SQL,通过SQL2Text回译验证语义一致性,并揭示基准数据缺陷,在BIRD和Spider上取得显著准确率提升。
2025-09-16 cs.AI
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
Data Agnostic RoBERTa-based Natural Language to SQL Query Generation
ABV-IIITM(ABV-印度信息技术与管理学院)
关系数据库是现代世界中存储大量数据的最广泛使用的体系结构之一。然而,这些数据库和普通用户之间存在障碍。用户通常缺乏与数据库交互所需的诸如SQL的查询语言的知识。NL2SQL任务旨在通过将自然语言问题转换为有效的SQL查询,找到解决此问题的深度学习方法。鉴于某些数据库的敏感性和对数据隐私的日益增长的需求,我们提出了一种以数据隐私为核心的方法。我们已经将RoBERTa嵌入和数据不可知的知识向量传递到基于LSTM的子模型中,以预测最终的查询。虽然我们还没有达到最先进的结果,但我们已经从模型的训练中消除了对表数据的需求,并且已经实现了76.7%的测试集执行准确率。通过在训练时消除表数据依赖性,我们创建了一个能够基于自然语言问题和表模式进行零样本学习的模型。
2021-03-05 cs.AI cs.CL
ScienceBenchmark: A Complex Real-World Benchmark for Evaluating Natural Language to SQL Systems
Zurich University of Applied Sciences(苏黎世应用科学大学);Athena Research Center(雅典娜研究中心)
本文提出ScienceBenchmark,一个基于三个真实世界领域特定科学数据库的复杂NL-to-SQL基准,结合专家标注与GPT-3合成数据,揭示现有顶尖系统在复杂真实场景下性能显著下降的挑战。
2023-12-05 cs.AI cs.CL cs.DB
ValueNet: A Natural Language-to-SQL System that Learns from Database Information
ZHAW Zurich University of Applied Sciences(苏黎世应用科技大学(ZHAW))
几十年来,为数据库构建自然语言(NL)接口一直是一个长期存在的挑战。这些所谓的NL-to-SQL系统的主要优点是,最终用户可以查询复杂的数据库,而不需要知道SQL或底层数据库模式。由于机器学习的重大进步,最近的研究重点一直放在神经网络上,以解决像Spider这样的复杂数据集上的这一挑战。最近的几个NL-to-SQL系统在这个数据集上取得了令人鼓舞的结果。然而,没有一个提供源代码或可执行二进制文件的已发布系统从用户问题中提取和合并值以生成SQL语句。因此,这些系统在现实世界中的实际应用尚未得到充分证明。在本文中,我们提出了ValueNet light和ValueNet --两个端到端的NL到SQL系统,它们使用具有挑战性的Spider数据集合并了值。我们的方法的主要思想是不仅使用来自底层数据库的元数据信息,而且使用基础数据上的信息作为神经网络架构的输入。特别是,我们提出了一种新的架构草图,从用户的问题中提取值,并提出可能的值候选人中没有明确提到的问题。然后,我们使用基于编码器-解码器架构的神经模型来合成SQL查询。最后,我们使用执行准确性指标评估我们的模型,这是一个比大多数挑战参与者使用的更难的指标。我们的实验评估表明,ValueNet light和ValueNet分别达到了67%和62%的准确率,从NL转换到SQL,同时合并值。
2021-02-22 cs.AI cs.DB
Spider 2.0-AIFunc: Extending Real-World Text-to-SQL to AI-Native SQL Workflows
UC San Diego(加州大学圣地亚哥分校);Snowflake AI Research(Snowflake人工智能研究院);University of Hong Kong(香港大学)
研究针对现有文本到SQL基准无法评估模型生成人工智能原生SQL能力的问题,构建Spider 2.0-AIFunc基准,经特定管道和多轮验证,评估十个先进语言模型,发现准确率差距及传统代理框架转移无效等情况。
2026-07-08 cs.AI cs.CL cs.DB
DeKeyNLU: Enhancing Natural Language to SQL Generation through Task Decomposition and Keyword Extraction
The Hong Kong University of Science and Technology (Guangzhou)(香港科学与技术大学(广州));HSBC(汇丰银行);South China University of Technology(华南理工大学);Harvard University(哈佛大学);Chicago University(芝加哥大学)
DeKeyNLU通过任务分解和关键词提取提升NL2SQL生成精度,提出DeKeySQL流程并验证其在BIRD和Spider数据集上的有效性。
2026-01-13 cs.AI cs.CL
MIGA: A Unified Multi-task Generation Framework for Conversational Text-to-SQL
NetEase Games AI Lab(网易游戏AI实验室)
会话式文本到SQL的目的是将多轮自然语言问题转换成相应的SQL查询。大多数最先进的文本到SQL对话方法与生成式预训练语言模型(PLM)(如T5)不兼容。在本文中,我们提出了一个两阶段的统一多任务生成框架(MIGA),利用PLM的能力,以解决会话的文本到SQL。在预训练阶段,MIGA首先将主任务分解为多个相关的子任务,然后通过任务特定的自然语言提示,将它们统一到同一个序列到序列(Seq2Seq)范式中,以促进多任务训练中的主任务。稍后在微调阶段,我们提出了四个SQL扰动来缓解错误传播问题。MIGA倾向于在两个基准测试(SparC和CoSQL)上实现最先进的性能。我们还提供了广泛的分析和讨论,以阐明会话式文本到SQL的一些新观点。
2022-12-19 cs.AI cs.CL
Pi-SQL: Enhancing Text-to-SQL with Fine-Grained Guidance from Pivot Programming Languages
Shanghai University of Finance and Economics(上海金融学院);Tsinghua University(清华大学);Beihang University(北航);Wuhan University(武汉大学);Southern University of Science and Technology(南方科技大学)
Pi-SQL提出以高资源的Python程序作为枢轴,先为自然语言查询生成带细粒度逐步指导的Python代码,再据此生成SQL程序,并通过候选选择优化执行效率,显著提升了文本到SQL的执行准确率。
2025-06-03 cs.AI cs.CL
Metasql: A Generate-then-Rank Framework for Natural Language to SQL Translation
School of Computer Science, Fudan University, Shanghai, China(计算机科学学院,复旦大学,上海,中国)
Metasql通过引入查询元数据和学习排序算法,提升自然语言到SQL翻译的准确性。
2024-02-27 cs.AI cs.DB
The Stochastic Shift: A New Evaluation Paradigm for Text-to-SQL with AI Operators
Google(谷歌)
本文提出一种多层评估框架,将确定性数据库逻辑与灵活AI语义解耦,分别验证关系逻辑与AI操作,以解决Text-to-SQL中AI操作符非确定性输出的评估难题,在BigQuery和ThalamusDB上实现高达97.2%的整体准确率。
2026-09-21 cs.AI cs.DB
SQLNet: Generating Structured Queries From Natural Language Without Reinforcement Learning
Shanghai Jiao Tong University(上海交通大学)
从自然语言合成SQL查询是一个长期存在的开放性问题,最近引起了人们的极大兴趣。为了解决这个问题,事实上的方法是采用序列到序列风格的模型。这种方法必然要求SQL查询被序列化。由于同一个SQL查询可能有多个等价的序列化,因此训练序列到序列风格的模型对其中一个的选择很敏感。这种现象被称为“秩序问题”。现有的最先进的方法依赖于强化学习,以奖励解码器时,它产生任何等效的串行化。然而,我们观察到强化学习的改进是有限的。在本文中,我们提出了一种新的方法,即,SQLNet,从根本上解决了这个问题,避免了序列到序列结构时的顺序无关紧要。特别是,我们采用了一个基于草图的方法,草图包含一个依赖图,使一个预测可以只考虑以前的预测,它依赖于。此外,我们提出了一个序列集模型以及列注意力机制合成的查询草图的基础上。通过结合所有这些新技术,我们表明,SQLNet可以在WikiSQL任务上超过现有技术9%至13%。
2017-11-13 cs.AI cs.CL cs.DB
SQLord: A Robust Enterprise Text-to-SQL Solution via Reverse Data Generation and Workflow Decomposition
Alibaba Group(阿里巴巴集团)
针对企业级NL2SQL缺乏领域微调数据和复杂查询处理难的问题,提出SQLord框架,通过SQL逆向数据生成、工作流分解及GPT-Judge评估体系,在离线与在线测试中准确率超90%并成功落地最大B2B平台。
2025-07-14 cs.AI cs.DB
SelECT-SQL: Self-correcting ensemble Chain-of-Thought for Text-to-SQL
Information Sciences Institute(信息科学研究所);University of Southern California(南加州大学)
针对Text-to-SQL任务中现有大语言模型性能不足的问题,提出结合思维链提示、自校正和集成方法的SelECT-SQL上下文学习方案,在Spider基准上取得了超越GPT-4的最优性能。
2024-09-16 cs.AI cs.CL
Translating Natural Language Queries to SQL Using the T5 Model
Langara College(兰加拉学院);Okanagan College(奥肯那根学院);Harris SmartWorks(哈里斯智能工作部门)
本研究以T5模型为基础构建自然语言转SQL模型,针对在线事务处理系统和数据仓库场景分别实现73%、84%的精确匹配准确率,已落地多家企业日常使用,方法可推广至其他数据库环境并适配更强的预训练语言模型。
2023-12-12 cs.AI cs.DB cs.LG
TableQA: a Large-Scale Chinese Text-to-SQL Dataset for Table-Aware SQL Generation
Zhuiyi Technology(追一科技)
近年来,利用数据驱动的方法如深度神经网络将自然语言解析为相应的SQL(NL 2SQL)引起了人们的广泛关注。现有的NL 2SQL数据集假设条件值应该精确地出现在自然语言问题中,并且查询在给定表的情况下是可回答的。然而,这些假设在实际场景中可能会失败,因为用户可能会对表中的相同内容使用不同的表达式,并且在不了解表中内容的情况下查询表外的信息。因此,我们提出了TableQA,一个大规模的跨领域的自然语言到SQL数据集在中国的语言,包括64,891个问题和20,311个独特的SQL查询超过6,000表。与查询NL 2SQL数据集不同,TableQA不仅需要很好地泛化到不同问题和表模式的SQL骨架,而且还需要泛化到各种条件值的表达式。实验结果表明,在WikiSQL上具有95.1%条件值准确率的最先进模型在TableQA上仅获得46.8%的条件值准确率和43.0%的逻辑形式准确率,表明所提出的数据集具有挑战性和必要性。提出了两种表感知的方法来缓解这个问题,端到端方法在条件值和逻辑形式任务上获得了51.3%和47.4%的准确率,分别提高了4.7%和3.4%。
2020-06-10 cs.AI cs.DB cs.LG
The Nuts and Bolts of Natural Language to SQL Translation: A Systematic Analysis of Model Pipeline Optimisation Approaches and their Interactions
Huawei Ireland Research Centre(华为爱尔兰研究中心)
研究NL2SQL翻译问题,通过集成NatSQL中间表示、增加预处理和微调步骤、开发重排器模型等方法,并结合SmBoP和RASAT架构进行消融及Shapley分析,揭示组件交互对结果的影响,为轻量级模型开发提供参考。
2026-07-14 cs.AI cs.CL cs.DB
SQLfuse: Enhancing Text-to-SQL Performance through Comprehensive LLM Synergy
Ant Group(蚂蚁集团);OceanBase(OceanBase( OceanBase是蚂蚁集团旗下的分布式数据库品牌,保留英文原名))
SQLfuse通过集成开源LLM与模式挖掘、模式链接、SQL生成及评论四大模块,提升文本到SQL转换的准确性与可用性,并在Spider基准上取得领先表现。
2024-07-19 cs.AI cs.CL cs.DB
Recent Advances in SQL Query Generation: A Survey
Ss. Cyril and Methodius University(圣西里尔与美多德大学)
假设自然语言是许多领域的最佳用户界面。然而,在自然语言和任何其他领域之间提供接口的通用模型仍然不存在。为关系数据库提供自然语言接口可能会吸引绝大多数精通或不精通查询语言的用户。随着深度学习技术的兴起,在设计一个合适的关系数据库的自然语言接口方面有着广泛的研究。本调查旨在概述在从自然语言生成SQL查询方面提出的一些最新方法和模型。我们描述了各种架构的模型,如卷积神经网络,递归神经网络,指针网络,强化学习等几个数据集旨在解决SQL查询生成问题的解释和简要概述。最后,在该领域中使用的评价指标主要是执行准确性和逻辑形式准确性的组合。
2020-05-15 cs.AI cs.CL cs.LG
End-to-End Text-to-SQL with Dataset Selection: Leveraging LLMs for Adaptive Query Generation
Singapore University of Technology and Design(新加坡科技设计大学)
针对多数据库场景下目标数据库需预先指定的问题,提出三阶段端到端Text-to-SQL框架,利用LLMs提取规则并训练RoBERTa模型预测数据库标识符,结合critic agents优化SQL,在意图预测和生成准确性上超越现有模型。
2025-08-11 cs.AI cs.LG
CRED-SQL: Enhancing Real-world Large Scale Database Text-to-SQL Parsing through Cluster Retrieval and Execution Description
Harbin Institute of Technology, Shenzhen, China(哈尔滨工业大学(深圳));Pengcheng Laboratory, Shenzhen, China(鹏城实验室);Inspur Cloud Information Technology Co., Ltd, Jinan 250101, China(浪潮云信息技术有限公司);Guangdong Power Grid Co., Ltd, China(广东电网公司)
针对大规模数据库中文本转SQL任务存在的语义不匹配问题,提出集成聚类检索和执行描述的CRED-SQL框架,通过聚类模式检索和EDL中间表示提升性能,在SpiderUnion和BirdUnion上实现SOTA。
2025-08-20 cs.AI cs.CL
Can LLMs Narrate Tabular Data? An Evaluation Framework for Natural Language Representations of Text-to-SQL System Outputs
Oracle AI
针对Text-to-SQL系统表格结果转自然语言表示的评估缺失问题,提出融合多方法优势的Combo-Eval评估框架,降低25-61%LLM调用量,配套发布首个NLR专用基准数据集NLR-BIRD,验证了其与人类判断的高一致性。
2025-10-27 cs.AI cs.CL
KeyInst: Keyword Instruction for Improving SQL Formulation in Text-to-SQL
Jiangxi University of Finance and Economics(江西财经大学)
针对Text-to-SQL中自然语言与SQL内在差异导致的生成难题,提出KeyInst关键词指令方法,通过两种集成策略引导大模型生成SQL,构建专用基准StrucQL,实验证明其效果显著优于现有提示技术。
2024-10-18 cs.AI cs.CL cs.DB
Prompting GPT-3.5 for Text-to-SQL with De-semanticization and Skeleton Retrieval
National University of Defense Technology(国防科技大学)
提出基于LLM的文本到SQL框架,通过去语义化提取问题骨架检索相似示例,并建模问题与数据库模式关系,在三个跨领域基准上超越现有模型。
2023-08-31 cs.AI cs.CL
LLMSQL: Upgrading WikiSQL for the LLM Era of Text-to-SQL
Department of Artificial Intelligence(人工智能系);Trusted Artificial Intelligence(可信人工智能)
LLMSQL为大语言模型时代升级WikiSQL,提供干净的自然语言问题和完整SQL查询,提升文本到SQL模型的生成与评估效率。
2025-12-09 cs.AI cs.CL
Photon: A Robust Cross-Domain Text-to-SQL System
The Chinese University of Hong Kong(香港中文大学);Salesforce Research(Salesforce 研究院)
数据库的自然语言接口(NLIDB)使最终用户对关系数据的访问民主化。由于自然语言通信和编程之间的根本差异,最终用户通常会发出对系统来说是模糊的或落在其底层查询语言的语义范围之外的问题。我们提出光子,一个强大的,模块化的,跨域的NLIDB,可以标志的自然语言输入的SQL映射不能立即确定。Photon由一个强大的神经语义解析器(在Spider dev基准测试中的结构准确率为63.2%),一个人在回路问题校正器,一个SQL执行器和一个响应生成器组成。问题校正器是一个判别神经序列编辑器,它检测输入问题中的混淆跨度,并建议重新措辞,直到用户给出可翻译的输入或进行最大数量的迭代。模拟数据实验表明,该方法有效地提高了文本到SQL系统对不可翻译用户输入的鲁棒性。我们的系统的现场演示可在http://naturalsql.com上获得。
2020-08-03 cs.AI cs.CL cs.DB
ProcArena: A Multi-Scenario Benchmark for LLMs on Direct and Interactive PL/SQL Development from Natural Language
Tsinghua University(清华大学);Lenovo Group Limited(联想集团有限公司)
本文提出ProcArena,一个覆盖直接与交互模式、含3998个可执行任务的多场景PL/SQL开发基准,评估七种大语言模型,结果显示最佳平均得分仅62.2%和57.8%,表明该任务仍具挑战性。
2026-09-09 cs.AI 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
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
Text-to-SQL Domain Adaptation via Human-LLM Collaborative Data Annotation
Purdue University(普渡大学);Adobe Inc.(Adobe公司)
针对Text-to-SQL模型适配新数据库模式时领域标注数据稀缺、获取成本高的问题,提出人-LLM协同标注系统SQLsynth,可高效生成更高质量的标注数据集。
2025-11-14 cs.AI cs.DB cs.HC
Reflect-SQL: A Self-Reflection Based Framework for Text-to-SQL
International Institute of Information Technology Hyderabad(国际信息技术研究所海得拉巴分校)
Reflect-SQL是一种基于多阶段自反思的Text-to-SQL框架,通过LLM作为评判者的反馈循环优化结果,在BIRD基准上实现72.03%执行准确率,显著优于现有方法,提升了企业数据访问的可靠性。
2026-09-04 cs.AI cs.IR
Text-to-SQL Oriented to the Process Mining Domain: A PT-EN Dataset for Query Translation
Universidade de São Paulo(圣保罗大学)
本文提出了专为过程挖掘领域设计的双语基准数据集 text-2-SQL-4-PM,包含 1,655 条自然语言话语和 205 条 SQL 语句,并通过 GPT-3.5 Turbo 基线研究验证了其在 text-to-SQL 任务评估中的可行性与实用性。
2025-08-18 cs.AI cs.CL cs.DB
BIRD-History: A Benchmark for History-Driven Text-to-SQL with Fine-Grained Knowledge Annotations
Zhejiang University(浙江大学)
本研究推出带细粒度知识标注的BIRD-History基准测试,针对现有Text-to-SQL系统无法利用历史查询日志处理隐含领域知识的问题,提出插件式检索器,可提升多个Text-to-SQL系统的未明确查询处理性能。
2026-09-01 cs.AI cs.CL
Ar-Spider: Text-to-SQL in Arabic
University of Central Florida(中佛罗里达大学)
本文提出首个阿拉伯语跨领域文本到SQL数据集Ar-Spider,并针对语言与SQL结构挑战提出上下文相似关系方法,在S2SQL和LGESQL上分别提升1.52%和1.06%,缩小与英语的性能差距。
2024-02-22 cs.AI cs.CL
Deep Learning Driven Natural Languages Text to SQL Query Conversion: A Survey
随着未来朝着以数据为中心的决策方向发展,对数据库的无缝访问至关重要。对于创建一个高效的文本到SQL(TEXT2SQL)模型来访问数据库中的数据,有着广泛的研究。使用自然语言是最好的界面之一,可以通过有效地访问数据库来弥合数据和结果之间的差距,特别是对于非技术用户。它将为精通技术技能或不太熟悉查询语言的用户打开大门并产生巨大的兴趣。即使提出或研究了许多基于深度学习的算法,在实际工作场景中使用自然语言来解决数据查询问题的通用模型仍然是非常具有挑战性的。原因是在不同的研究中使用不同的数据集,这带来了其局限性和假设。在本文中,我们试图对最近几年研究的24种神经网络模型进行全面的概述,包括它们的架构,包括卷积神经网络,递归神经网络,指针网络,强化学习,生成模型,我们还概述了广泛用于训练TEXT 2SQL技术模型的11个数据集。我们还讨论了TEXT2SQL技术的无缝数据查询的未来应用的可能性。
2022-08-08 cs.AI cs.CL
RAG Strategies for Natural Language-Based SQL Query and REST API Call Generation
IU International University of Applied Sciences(国际应用科学大学)
本文评估了三种RAG变体在生成SQL和API调用任务中的性能,发现CoRAG在混合文档环境下表现最佳,检索策略设计对自然语言接口至关重要。
2026-10-20 cs.AI cs.CL cs.SE
An Iterative LangGraph Agent for Text-to-SQL: Natural Language Access to the Chicago Crime Database
Luddy School of Informatics, Computing and Engineering, Indiana University(印第安纳大学卢迪信息学、计算与工程学院)
本研究构建了一个六节点LangGraph智能体,通过提示工程实现文本到SQL,在芝加哥犯罪数据集上达到93%的有效SQL率和60%的执行准确率,验证了无需微调即可端到端弥合非技术用户与数据库之间鸿沟的可行性。
2026-10-15 cs.AI cs.CL cs.DB
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
Fine-Tuning Language Models for Context-Specific SQL Query Generation
DinMo(DinMo公司)
本文面向零售领域,使用 GPT-4 构造方言特定合成数据,并基于 LoRa 微调 Starcoder Plus、Code-Llama 和 Mistral,使其在零样本 SQL 生成中超过 GPT-4。
2023-12-04 cs.AI cs.CL cs.DB
Pay More Attention to History: A Context Modelling Strategy for Conversational Text-to-SQL
Peking University(北京大学);Meituan(美团)
会话式文本到SQL的目标是将多轮自然语言查询转换成它们相应的SQL(结构化查询语言)表示。会话式文本到SQL的最棘手的问题之一是对多轮查询的语义进行建模,并收集当前查询所需的适当信息。本文表明,通过添加每个回合和整个上下文的摘要来明确地建模语义变化可以在将会话查询转换为SQL时带来更好的性能。特别是,我们提出了两个会话建模任务,在转粮食和会话粮食。这两个任务只是作为辅助训练任务来帮助多轮会话语义解析。我们进行了实证研究,并在大规模开放域会话文本到SQL数据集上取得了新的最先进的结果。实验结果表明,该机制显著提高了多轮语义解析的性能。
2022-07-26 cs.AI cs.CL
Valid Text-to-SQL Generation with Unification-based DeepStochLog
KU Leuven(鲁汶大学);Örebro University(厄勒布鲁大学)
针对大语言模型生成不可执行 SQL 的问题,提出基于合一语法与 DeepStochLog 的神经符号框架,通过硬约束和双向语言模型接口保证查询有效,并显著提升执行准确率与真实结果一致性。
2025-03-17 cs.AI cs.CL
LLM-Based SQL Generation: Prompting, Self-Refinement, and Adaptive Weighted Majority Voting
Institute of Information Management(信息管理研究所);National Yang Ming Chiao Tung University(阳明交通大学);R. B. Annis School of Engineering(R. B. Annis工程学院);University of Indianapolis(印第安纳大学)
本文提出SSEV管道,通过自我完善与加权多数投票提升SQL生成准确性,在多个基准测试中取得良好成绩,并进一步提出ReCAPAgent-SQL框架以应对企业数据库复杂性,提升实际应用效果。
2026-01-25 cs.AI cs.DB
mRAT-SQL+GAP:A Portuguese Text-to-SQL Transformer
Universidade de São Paulo(圣保罗大学)
自然语言问题到SQL查询的转换已经吸引了越来越多的关注,特别是与Transformers和类似的语言模型相关的。大量的技术都是面向英语的;在这项工作中,我们因此调查了在葡萄牙语中给出输入问题时翻译为SQL的情况。为此,我们适当调整了最先进的工具和资源。我们通过依赖多语言BART模型(我们报告了使用其他语言模型的测试)改变了RAT-SQL+GAP系统,并生成了Spider数据集的翻译版本。我们的实验揭示了非英语语言作为目标时出现的有趣现象;特别是,即使需要单个目标语言,也最好用原始和翻译的训练数据集一起进行训练。这个多语言BART模型用双倍大小的训练数据集(英语和葡萄牙语)进行了微调,达到了基线的83%,为葡萄牙语测试数据集做出了推断。这项调查可以帮助其他研究人员用不同于英语的语言得出机器学习的结果。我们的多语言版本的RAT-SQL+GAP和数据是可用的,开源的mRAT-SQL+GAP在:https://github.com/C4AI/gap-text2sql
2021-11-29 cs.AI cs.CL
BookSQL: A Large Scale Text-to-SQL Dataset for Accounting Domain
Indian Institute of Technology Kanpur (IIT Kanpur)(印度理工学院坎普尔分校);Intuit(Intuit公司)
本文构建面向会计与金融领域的大规模 Text-to-SQL 数据集 BookSQL,包含10万查询-SQL对和百万级记录数据库,并评测 GPT-4 等模型,揭示显著性能差距。
2024-06-12 cs.AI cs.CL cs.LG
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