SQL-Exchange: Transforming SQL Queries Across Domains
University of Alberta（阿尔伯塔大学）
SQL-Exchange通过跨领域转换SQL查询提升文本到SQL系统的上下文学习性能。
2026-02-22 cs.AI cs.CL cs.DB
Extractive Schema Linking for Text-to-SQL
IBM Research AI（IBM研究院AI部门）
本文提出一种适配仅解码器LLM的抽取式模式链接新方法，通过细粒度控制精确率-召回率权衡，在提升Text-to-SQL任务计算效率和准确率的同时，解决了大数据库模式放入提示的难题。
2025-01-23 cs.AI cs.CL cs.DB
X-SQL: Expert Schema Linking and Understanding of Text-to-SQL with Multi-LLMs
针对Text-to-SQL中模式信息被忽视的问题，提出X-SQL框架，包含X-Linking和X-Admin组件，结合多LLM，在Spider数据集上取得领先执行准确率。
2025-09-07 cs.DB cs.LG
Introducing Schema Inference as a Scalable SQL Function [Extended Version]
本文提出将模式推断作为 DBMS 内原生 SQL 函数，在 Apache AsterixDB 中通过局部推断与全局合并两阶段实现，较外部方法性能提升最高达两个数量级。
2024-11-20 cs.DB
V-SQL: A View-based Two-stage Text-to-SQL Framework
Guangzhou Huaweisoft Co. Ltd（广州华软有限公司）
本文提出基于视图的模式策略，将紧密耦合的表解耦为低耦合视图，增强LLM对数据库模式的理解，并构建V-SQL两阶段框架，在Bird数据集上取得与最先进方法相当的竞争力。
2024-12-17 cs.CL cs.DB
Laconic schema mappings: computing core universal solutions by means of SQL queries
我们提出了一种新的方法计算核心的通用解决方案，在数据交换设置指定的源到目标的依赖关系，通过SQL查询。与以前已知的算法，这是递归的性质，我们的方法可以直接在任何DBMS上实现。我们的方法是基于一个简洁的模式映射的新概念。简洁模式映射是一种模式映射，其规范通用解是核心通用解。我们给出了一个过程，通过该过程，由FO s-t tgds指定的每个模式映射可以变成由FO s-t tgds指定的简洁模式映射，该简洁模式映射可以指源实例的域上的线性顺序。我们表明，我们的结果是最佳的，在这个意义上，线性顺序是必要的，该方法不能扩展到涉及目标约束的模式映射。
2009-03-11 cs.DB
EvoSchema: Towards Text-to-SQL Robustness Against Schema Evolution
The Ohio State University（俄亥俄州立大学）；Adobe Inc.（Adobe公司）；Purdue University（普渡大学）
EvoSchema通过模拟数据库模式演变，评估并提升文本到SQL系统在动态环境下的鲁棒性。
2026-03-11 cs.AI cs.CL cs.DB
Reliable Text-to-SQL with Adaptive Abstention
University Of Toronto（多伦多大学）；Seattle University（西雅图大学）；York University（约克大学）
提出RTS框架，通过自适应弃权与人在回路机制增强文本到SQL的可靠性，利用分支点预测实现近乎完美的架构链接，在BIRD基准上以小型模型接近SOTA性能。
2025-01-18 cs.AI cs.DB
Same Data, Different Schemas: Robustness of LLM-based Text-to-SQL
University of Maryland, College Park（马里兰大学帕克分校）
提出一个框架，通过从同一E/R模型生成多个等价关系模式变体，评估LLM在文本到SQL任务中对模式变化的鲁棒性，发现模式结构显著影响模型行为，且提供E/R规范可改善但不完全消除不一致性。
2026-05-25 cs.DB
SING-SQL: A Synthetic Data Generation Framework for In-Domain Text-to-SQL Translation
Bilkent University（比尔肯特大学）
本文提出 SING-SQL 全自动合成数据框架，通过子模式划分、多级 SQL 生成与质量校验提升单库 Text-to-SQL，微调模型在 BIRD 上取得同规模开源最优。
2025-09-30 cs.AI cs.DB
Improving Retrieval-augmented Text-to-SQL with AST-based Ranking and Schema Pruning
Huawei Technologies（华为技术有限公司）；CSI（英国计算机科学研究所）
本文提出ASTReS框架，通过动态检索数据库信息、基于抽象语法树选择少样本示例，并利用小型高效模型生成近似SQL来增强Text-to-SQL语义解析，在单语和跨语言基准上均超越现有最先进方法。
2024-11-04 cs.AI cs.CL cs.DB
The Case for Text-to-SQL Friendly Logical Database Design
Simon Fraser University（西蒙菲莎大学）；Tsinghua University（清华大学）
本文提出LLM友好的逻辑数据库设计目标，通过三种语义保持的模式变换（抽象、分区、重命名）优化数据库模式，提升文本到SQL的生成准确率，实验显示执行准确率提升高达4.2%。
2026-06-02 cs.DB
AV-SQL: Decomposing Complex Text-to-SQL Queries with Agentic Views
Griffith University（格里菲斯大学）；The University of Queensland（昆士兰大学）
AV-SQL通过代理视图分解复杂文本到SQL查询，提升复杂查询的执行准确率，其在Spider 2.0基准测试中达到70.38%的准确率，优于现有方法。
2026-04-08 cs.AI cs.DB cs.ET
AutoLink: Autonomous Schema Exploration and Expansion for Scalable Schema Linking in Text-to-SQL at Scale
AutoLink通过自主代理框架实现大规模文本到SQL的模式探索与扩展，提升模式链接的召回率和可扩展性。
2025-11-21 cs.CL cs.DB
ODIN: A NL2SQL Recommender to Handle Schema Ambiguity
Parallel Web Systems（并行网络系统）；Amazon Web Services（亚马逊网络服务）
ODIN是一个NL2SQL推荐引擎，通过生成多个候选查询并动态调整建议数量来处理模式歧义，利用用户反馈个性化推荐，将正确查询生成概率提升1.5-2倍。
2025-05-25 cs.CL cs.DB
Knapsack Optimization-based Schema Linking for LLM-based Text-to-SQL Generation
The Hong Kong Polytechnic University（香港理工大学）；City University of Macau（澳门城市大学）；Jinan University（济南大学）
本文提出KaSLA方法，通过引入受限缺失指标改进模式链接，优化SQL生成性能，实验表明其在Spider和BIRD基准上显著提升文本到SQL模型表现。
2026-04-22 cs.CL cs.DB
UniSAr: A Unified Structure-Aware Autoregressive Language Model for Text-to-SQL
Harbin Institute of Technology（哈尔滨工业大学）；Microsoft Research Asia（微软亚洲研究院）
现有的文本到SQL语义解析器通常是为特定的设置而设计的，例如处理跨多个表、域或轮次的查询，这使得它们在应用于不同的设置时无效。我们提出了UniSAr（统一结构感知自回归语言模型），它受益于直接使用现成的语言模型架构，并在不同的设置下表现出一致的高性能。具体来说，UniSAr扩展了现有的自回归语言模型，以纳入三个非侵入性扩展，使它们结构感知：（1）添加结构标记编码数据库模式，会话上下文，以及它们的关系;（2）约束解码解码良好的结构化SQL为给定的数据库模式;（3）SQL完成，以完成潜在的缺失连接关系的SQL数据库模式的基础上。在涵盖多域、多表和多回合的七个著名的文本到SQL数据集上，UniSAr表现出与最先进的专门设计的文本到SQL模型高度可比或更好的性能。重要的是，我们的UniSAr是非侵入性的，因此文本到SQL的其他核心模型也可以采用我们的扩展来进一步提高性能。
2022-04-13 cs.AI cs.CL cs.DB
From SQL to Knowledge Graphs: An LLM-Driven Multi-Agent Approach with Data Schema Improvement
HCMC University of Technology（胡志明市理工大学）；University of Alberta（阿尔伯塔大学）；University of Alabama at Birmingham（阿拉巴马大学伯明翰分校）
该研究提出一种LLM驱动的多智能体系统，可将RDBMS自动转换为图数据库，经实验验证其问答准确率及延迟表现均优于传统SQL方案。
2026-08-28 cs.AI 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
EGREFINE: An Execution-Grounded Optimization Framework for Text-to-SQL Schema Refinement
Xidian University（西安电子科技大学）
本文提出EGRefine框架，通过约束优化问题解决文本到SQL模式精炼问题，采用列级贪心分解策略，确保模式精炼的安全性和查询等价性，提升模型准确性。
2026-05-01 cs.CL cs.DB
CHESS: Contextual Harnessing for Efficient SQL Synthesis
Stanford University（斯坦福大学）；University of Alberta（阿尔伯塔大学）
针对文本转SQL面临的数据库规模、模式推理等挑战，提出基于LLM的多智能体框架CHESS，通过四个专用智能体解决对应问题，在工业级数据库支持、隐私保护性能和计算可扩展性上表现优异。
2024-11-25 cs.AI cs.DB cs.LG
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
From Benchmarks to Production: A Text-to-SQL System for Complex Financial Data
Kensho Technologies
针对生产金融数据库中不透明整数键导致通用文本到SQL性能低下的问题，提出FLINT系统，通过查找代理、嵌入检索和基于外键链的模式链接三个组件，在359个问题上超越多种基线，并已部署于生产环境。
2026-10-05 cs.AI cs.DB cs.LG
DexterSQL: Deep Schema Exploration and Rule-based Correction for Text-to-SQL Generation
New Jersey Institute of Technology（新泽西理工学院）；Virginia Tech（弗吉尼亚理工大学）
DexterSQL是基于提示的非微调Text-to-SQL系统，通过深度模式探索器、数据库无关规则创建器、多路径SQL生成三个组件，在BIRD-Dev数据集上提升了开源与闭源大语言模型的Text-to-SQL生成准确率。
2026-09-10 cs.AI cs.CL cs.DB
Database Context Compression for Text-to-SQL on Real-World Large Databases
National Engineering Research Center of Software Engineering, Peking University（软件工程国家工程研究中心，北京大学）；School of Computer Science, Peking University（北京大学计算机学院）；Peking University Information Technology Institute, Tianjin Binhai（天津滨海大学信息技术研究所，北京大学）
针对真实大型数据库中文本到SQL性能瓶颈，提出基于SGCF原则的数据库上下文压缩方法DBCC，通过离线结构语义压缩和在线证据净化，将输入上下文减少两个数量级，并提升模式链接召回率和执行准确率。
2026-06-26 cs.AI cs.DB
DIVER: A Robust Text-to-SQL System with Dynamic Interactive Value Linking and Evidence Reasoning
Beijing University of Posts and Telecommunications（北京邮电大学）；Tsinghua University（清华大学）
DIVER通过动态交互值链接和证据推理，提升文本到SQL系统的鲁棒性，实验显示其在执行准确率和验证效率分数上均有显著提升。
2026-02-12 cs.DB
LR-SQL: A Supervised Fine-Tuning Method for Text2SQL Tasks under Low-Resource Scenarios
College of Internet of Things, Nanjing University of Posts and Telecommunications（南京邮电大学物联网学院）
针对数据库复杂性导致微调GPU内存需求增加的问题，提出LR-SQL方法，通过分解数据库为表的灵活组合并训练思维链，在仅微幅降低准确率的情况下显著减少GPU内存使用。
2024-10-15 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
APEX-SQL: Talking to the data via Agentic Exploration for Text-to-SQL
The Chinese University of Hong Kong（香港中文大学）；Peking University（北京大学）；LIGHTSPEED
提出APEX-SQL框架，通过假设验证循环、逻辑规划、双路径剪枝、并行数据分析和确定性探索机制，解决静态模式表示在复杂企业数据库中的语义模糊和扩展性问题，在BIRD和Spider 2.0-Snow上取得领先性能。
2026-05-31 cs.AI cs.DB
Intensional RDB Manifesto: a Unifying NewSQL Model for Flexible Big Data
在本文中，我们提出了一个新的内涵关系数据库（IRDB）系列，它通过大数据和灵活的“开放模式”功能扩展了传统的关系数据库，能够保留用户定义的关系数据库模式和所有预先存在的用户应用程序，其中包含用于部署此类关系数据的SQL语句。标准RDB数据被解析为内部向量键/值关系，因此我们获得了大数据应用中使用的数据的列表示，涵盖了键/值和基于列的大数据应用，成为统一的RDB框架。我们定义了一个查询重写算法，GAV数据集成方法的基础上，使每个用户定义的SQL查询被重写成SQL查询这个向量关系，因此，用户定义的标准RDB模式被保持为一个空的全局模式的RDB模式建模的数据和SQL接口存储的向量关系。这样的IRDB架构通过提供大数据和新的灵活模式特性，足以从现有的慢速RDBMS大规模迁移到这个新的快速IRDBMS家族。
2014-04-10 cs.DB
Disentangling Structure and Semantics: How Schema Representation Affects LLM-Based SQL Generation
The University of Western Australia（西澳大学）
本文通过6×3析因实验发现，基于LLM的文本转SQL中，语义线索对性能的影响大于结构线索，有意义的标识符可弥补结构缺失，而丰富结构元数据无法改善名称不明确的情况。
2026-08-24 cs.DB
BudgetSchemaBench: A Budget-Swept Diagnostic for Schema Context in Text-to-SQL
Megagon Labs
本文提出BudgetSchemaBench，一个基于执行结果的诊断基准，用于评估文本到SQL中不同模式上下文预算和序列化方式对执行准确率的影响，发现预算比序列化方式更关键。
2026-10-02 cs.AI cs.CL cs.DB
MCI-SQL: Text-to-SQL with Metadata-Complete Context and Intermediate Correction
Hunan University（湖南大学）；OceanBase, Ant Group（蚂蚁集团 OceanBase）
本文提出MCI-SQL框架，通过元数据完整上下文和中间修正机制提升文本到SQL的准确性和效率，实验表明其在BIRD基准测试中表现优于现有方法。
2026-03-11 cs.DB
AptMQL-Bench: From Text-to-SQL to Text-to-MQL via Access-Pattern Schema Design and Data-Preserving Migration
The University of Sydney（悉尼大学）；MongoDB Research（MongoDB 研究院）
针对现有文本到SQL到文本到MQL转换的缺陷，提出基于访问模式模式设计与数据保留迁移的流水线，构建AptMQL-Bench基准，最强模型准确率仅57.38%，表明该任务仍具挑战性。
2026-10-05 cs.CL cs.DB
From Questions to Queries: An AI-powered Multi-Agent Framework for Spatial Text-to-SQL
Geoinformation and Big Data Research Laboratory, Department of Geography, The Pennsylvania State University（宾夕法尼亚州立大学地理系地理信息与大数据研究实验室）；Institute for Computational and Data Sciences and Department of Geography, The Pennsylvania State University（宾夕法尼亚州立大学计算与数据科学研究所及地理系）
本文提出一种基于AI的多智能体框架，解决空间文本到SQL中的复杂问题，通过分阶段解释、模式绑定、逻辑规划和执行审查提升空间查询的鲁棒性。
2026-03-29 cs.AI cs.DB cs.IR
SynSQL: Synthesizing Relational Databases for Robust Evaluation of Text-to-SQL Systems
University of Alberta（阿尔伯塔大学）；Department of Computing Science（计算机科学系）
SynSQL通过合成语义一致的关系数据库，揭示了文本到SQL系统在固定基准数据库外的性能下降，为研究LLM的结构化数据合成能力提供新视角。
2026-04-29 cs.DB
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
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
Benchmarking Text-to-SQL under Role-Based Access Control
National University of Singapore（新加坡国立大学）；Hamad Bin Khalifa University（哈马德·本·卡西姆大学）
研究基于角色的访问控制下文本到SQL的基准测试问题，提出含现实RBAC约束的综合基准测试框架，通过大语言模型辅助工作流程及人工审核等增强基准，应用该框架研究发现部分高分系统在有访问约束时性能因RBAC违规而大幅下降。
2026-09-24 cs.AI cs.DB
SQLAgent: Learning to Explore Before Generating as a Data Engineer
Westlake University（西湖大学）；University of California, Merced（加州大学默塞德分校）；Centre for Frontier AI Research (CFAR) & CATOS, A*STAR（前沿人工智能研究中心及CATOS，A*STAR）
SQLAgent通过两阶段框架实现数据库探索与查询生成解耦，利用蒙特卡洛树搜索策略构建知识库，并通过双代理系统提升SQL查询准确性。
2026-02-02 cs.DB
Evaluating NL2SQL via SQL2NL
Oracle AI
本研究提出基于SQL2NL的模式对齐释义框架，单独评估NL2SQL模型对语言变异的鲁棒性，发现现有先进模型脆弱性远超标准基准表现，且鲁棒性下降受模型规模、查询复杂度等多因素影响。
2025-09-04 cs.AI cs.CL cs.DB
Seamless Data Migration between Database Schemas with DAMI-Framework: An Empirical Study on Developer Experience
North Carolina State University（北卡罗来纳州立大学）；Universidade da Coruña（拉科鲁尼亚大学）；Centro de Investigación CITIC（CITIC研究中心）
本文提出DAMI框架，通过领域特定语言和解析器简化数据库模式间的数据迁移，实验证明其在可读性和易用性方面优于传统SQL，减少了迁移工作量。
2025-04-24 cs.DB cs.SE
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
IndicDBBench - Benchmarking Multilingual Text-to-SQL Capabilities in Indian Languages
National Data and Analytics Platform（国家数据与分析平台）；India Data Portal（印度数据门户）；NDAP（国家数据与分析平台）；ICRISAT（国际作物研究所）；IHDS（印度家庭与育儿调查）
IndicDB是一个多语言文本到SQL基准测试，用于评估跨语言语义解析能力，包含20个数据库和237张表，通过迭代三代理框架生成15617个任务，揭示了印度语言在SQL解析中的性能差距。
2026-11-03 cs.AI cs.CL cs.DB
TCSR-SQL: Towards Table Content-aware Text-to-SQL with Self-retrieval
Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））；Inspur Cloud Information Technology Co. Ltd（浪潮云信息技术有限公司）；Peng Cheng Laboratory（鹏城实验室）；Guangdong Power Grid Co. Ltd（广东电网有限责任公司）；University of Macau（澳门大学）
TCSR-SQL通过LLM上下文学习提取问题中的数据内容关键词，推断相关数据库模式并生成种子SQL进行模糊搜索，结合编码知识表和多轮生成-执行-修订过程生成精确SQL，在包含2115个问题-SQL对的表格内容感知基准上执行准确率至少提升27.8%。
2025-11-06 cs.DB
RASAT: Integrating Relational Structures into Pretrained Seq2Seq Model for Text-to-SQL
Shanghai Jiao Tong University（上海交通大学）；ProtagoLabs；Microsoft Research（微软研究院）；Chinese Academy of Sciences（中国科学院）；IGSNRR（中国科学院地理科学与资源研究所）
关系结构（如模式链接和模式编码）已被验证为将自然语言定性转换为SQL查询的关键组件。然而，引入这些结构关系是有代价的：它们通常会导致专门的模型结构，这在很大程度上禁止在文本到SQL中使用大型预训练模型。为了解决这个问题，我们提出了RASAT：一个Transformer seq2seq架构，增强了关系感知的自我注意力，可以利用各种关系结构，同时有效地继承T5模型的预训练参数。我们的模型可以将几乎所有类型的文献中现有的关系，此外，我们建议引入共指关系的多回合的情况下。在三个广泛使用的文本到SQL数据集上的实验结果表明，RASAT可以在所有三个基准测试中实现最先进的结果（Spider上的75.5% EX，SParC上的52.6% IEX和CoSQL上的37.4% IEX）。
2022-10-09 cs.AI cs.CL cs.DB
Bridging Textual and Tabular Data for Cross-Domain Text-to-SQL Semantic Parsing
Salesforce Research（赛富时研究院）
我们提出了BRIDGE，一个强大的顺序体系结构建模之间的依赖关系的自然语言问题和关系数据库跨DB语义解析。BRIDGE以标记序列表示问题和DB模式，其中字段的子集使用问题中提到的单元格值进行扩充。混合序列由BERT编码，具有最少的后续层，并通过BERT中微调的深度注意力实现文本数据库上下文化。结合具有模式一致性驱动的搜索空间修剪的指针生成器解码器，BRIDGE在流行的跨DB文本到SQL基准测试中获得了最先进的性能，Spider（71.1\% dev，67.5\%测试与集成模型）和WikiSQL（92.6\% dev，91.9\%测试）。我们的分析表明，BRIDGE有效地捕获了所需的跨模态依赖关系，并有可能推广到更多的文本数据库相关的任务。我们的实现可在\url{https://github.com/salesforce/TabularSemanticParsing}上获得。
2020-12-31 cs.AI cs.CL cs.DB
Reasoning-SQL: Reinforcement Learning with SQL Tailored Partial Rewards for Reasoning-Enhanced Text-to-SQL
Google Cloud（谷歌云）；Stanford University（斯坦福大学）；Google DeepMind（谷歌DeepMind）
提出专为Text-to-SQL定制的部分奖励集并结合GRPO算法训练LLM，有效解决了强化学习中的奖励稀疏问题，使14B模型在BIRD基准上超越o3-mini等更大专有模型。
2025-04-01 cs.AI cs.DB cs.LG
DeepEye-SQL: A Software-Engineering-Inspired Text-to-SQL Framework
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；Huawei Technologies Co., Ltd.（华为技术有限公司）
DeepEye-SQL通过结构化协作提升文本到SQL的可靠性，采用软件开发生命周期指导，实现73.5%的BIRD-Dev准确率和89.8%的Spider-Test表现，优于现有方法。
2026-04-03 cs.DB
Query Carefully: Detecting the Unanswerables in Text-to-SQL Tasks
Institute of Computer Science, Zurich University of Applied Sciences（计算机科学研究所，应用科学大学苏黎世）；Institute of Medical Virology, University of Zurich（医学病毒学研究所，苏黎世大学）；Department of Gastroenterology and Hepatology, University Hospital Zurich, University of Zurich（消化内科与肝病科，苏黎世大学医院，苏黎世大学）
Query Carefully通过集成LLM生成和显式检测不可回答问题，提升生物医学领域文本到SQL的准确性和可靠性。
2025-12-19 cs.AI cs.CL cs.DB
AgentSM: Semantic Memory for Agentic Text-to-SQL
Amazon Web Services（亚马逊网络服务）；University of California, Berkeley（加州大学伯克利分校）；Oracle Corporation（甲骨文公司）；Snowflake Inc.（Snowflake公司）
AgentSM通过构建可解释的语义记忆，提升文本到SQL任务的效率和准确性，减少令牌使用和轨迹长度，达到更高执行精度。
2026-01-22 cs.AI cs.DB cs.LG
A Preview of XiYan-SQL: A Multi-Generator Ensemble Framework for Text-to-SQL
Alibaba Group（阿里巴巴集团）
本文提出 XiYan-SQL 框架，通过多生成器集成、M-Schema 模式表示、上下文学习与监督微调相结合及候选精炼与选择模型，在多个文本到 SQL 基准上取得领先执行准确率。
2025-02-10 cs.AI cs.CL cs.DB
ChatBI: Towards Natural Language to Complex Business Intelligence SQL
ChatBI 面向 NL2BI 任务，通过单视图选择降低模式链接难度，并采用分阶段流程生成复杂语义 SQL，在百度数据平台上实现了更优的实用性、通用性和效率。
2024-05-01 cs.DB
Intensional RDB for Big Data Interoperability
在[1]中引入的一个新的Intensional RDB（IRDB）家族扩展了具有大数据和灵活的“开放模式”特征的传统RDB，能够保留用户定义的关系数据库模式和所有预先存在的包含用于部署这种关系数据的SQL语句的用户应用程序。标准RDB数据被解析为内部向量键/值关系，因此我们获得了大数据应用中使用的数据的列表示，涵盖了键/值和基于列的大数据应用，成为统一的RDB框架。这样的IRDB架构通过提供大数据和新的灵活模式特性，足以从现有的慢速RDBMS大规模迁移到这个新的快速IRDBMS家族。在这里，我们提出了IRDBs的互操作性功能，允许查询也在内部向量关系创建的每个联邦数据库在一个给定的多数据库系统的解析。我们表明，SchemaLog与二阶语法和ad hoc逻辑编程及其查询片段可以嵌入到标准的SQL IRDBMS，使我们获得一个完整的IRDBs的互操作性功能，通过使用标准的关系SQL查询数据和元数据。
2014-04-10 cs.DB
