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
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
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
PSM-SQL: Progressive Schema Learning with Multi-granularity Semantics for Text-to-SQL
Guangdong University of Technology（广东工业大学）；Platform and Content Group, Tencent（腾讯平台与内容事业群）
本文提出PSM-SQL框架，通过列、表、数据库多粒度渐进式模式链接和链式循环策略减少冗余模式，提升文本到SQL任务的准确率。
2025-02-07 cs.AI cs.DB
PATSQL: Efficient Synthesis of SQL Queries from Example Tables with Quick Inference of Projected Columns
SQL是最流行的数据分析工具之一，现在越来越多的没有数据库专业知识的用户使用它。一些研究已经提出了通过示例编程的方法来帮助这些非专家编写正确的SQL查询。虽然现有的方法支持各种SQL功能，如聚合和嵌套查询，但随着示例表规模的增加，它们的计算成本会显著增加。在本文中，我们提出了一个有效的算法，利用关系代数中已知的属性，从输入和输出表合成SQL查询。我们的关键见解是，投影操作程序草图可以解除以上其他运营商通过应用关系代数中的转换规则，同时保持程序的语义。这使得在投影算子中能够快速推断适当的列，这是合成中的重要组成部分，但在先前的工作中会导致组合爆炸。我们还介绍了一种新的形式的约束和自上而下的传播机制，有效的草图完成。我们在我们的工具PATSQL中实现了这个算法，并在之前的基准测试和Kaggle教程中的226个查询上进行了评估。结果，PATSQL解决了68%的基准测试，并在一秒钟内找到了89%的解决方案。我们的工具可以在https://naist-se.github.io/patsql/上找到。
2021-08-13 cs.DB cs.PL cs.SE
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
Deriving Application Level Relationships by Analysing the Run Time Behaviour of Simple and Complex SQL Queries
本文描述了一种独特的方法来执行应用程序行为分析，以确定表如何相互关联。分析技术基于主键和外键的属性以及它们各自列中的数据。本文介绍了一种独特的方法，通过对简单和复杂SQL查询的应用关系分析，预测数据库中可能存在的应用层关系。复杂SQL查询是指在数据库的不同级别上包含多个约束的查询。在关系的推导过程中，我们首先解析SQL语句，然后分析解析的信息以提取相关信息。
2016-03-26 cs.DB
Snel: SQL Native Execution for LLVM
Snel是一个关系数据库引擎，具有查询的即时（JIT）编译和列式数据表示。Snel旨在通过利用LLVM编译器基础设施进行快速在线分析。它还具有自定义的特殊方法，如解析直方图作为SQL语言的扩展。Snel是指“SQL Native Execution for LLVM”。与传统的数据库引擎不同，它不提供客户端-服务器接口。相反，它将其接口公开为SQLite的扩展，用于从命令行进行简单的交互式使用并嵌入应用程序中。由于Snel表是只读的，因此它不提供事务或更新等功能。这使得查询非常快，因为它们没有表锁定或确保一致性的开销。Snel的核心是一个可供客户端应用程序使用的动态库。它有一个SQLite扩展，可以与传统的SQL环境进行无缝集成，并可以从命令行进行简单的交互式使用。
2020-03-04 cs.CY cs.DB
Meet Cyrus - The Query by Voice Mobile Assistant for the Tutoring and Formative Assessment of SQL Learners
由于是声明性的，SQL更有可能成为仅次于自然语言编程的概念计算的程序设计语言。我们研究使用SQL作为后端的自然语言数据库编程的可能性。与基于关键字的SQL查询不同，关键字依赖和SQL的表结构约束在我们的方法中明显不那么明显。我们提出了一个移动终端语音查询接口，称为赛勒斯，任意关系数据库。Cyrus支持一个大型的查询类，对于一个入门级的数据库类来说已经足够了。Cyrus也是独立于应用程序的，允许测试数据库自适应，并且不限于特定的关键字或自然语言句子结构。它的协作错误报告更直观，与大多数当代移动和语音系统相比，基于iOS的移动平台也更容易访问。
2018-11-09 cs.DB
Text to Query Plans for Question Answering on Large Tables
CSIRO Data61（CSIRO数据61）
针对大型表格问答，提出一种将自然语言查询转化为查询计划的新框架，利用大语言模型迭代构建操作序列并直接在数据上执行，以支持复杂分析并克服上下文限制，实验验证其有效性。
2025-08-26 cs.AI cs.CL cs.DB
Clause-Wise and Recursive Decoding for Complex and Cross-Domain Text-to-SQL Generation
SAP Labs Korea（SAP韩国研究院）
大多数用于文本到SQL生成的深度学习方法仅限于WikiSQL数据集，该数据集仅支持对单个表的非常简单的查询。我们关注Spider数据集，这是一个复杂的跨域文本到SQL任务，其中包括对多个表的复杂查询。在本文中，我们提出了一个SQL子句式解码神经架构与自注意为基础的数据库模式编码器，以解决蜘蛛任务。每个子句特定的解码器由一组子模块组成，这些子模块由每个子句的语法定义。此外，我们的模型递归地支持嵌套查询。当在Spider数据集上进行评估时，我们的方法在测试集和开发集中分别获得了4.6%和9.8%的准确率增益。此外，我们表明，我们的模型是更有效地预测复杂和嵌套的查询比以前的工作。
2019-08-19 cs.CL cs.DB
AI-Assisted SQL Authoring at Industry Scale
本文介绍SqlCompose，一个在Meta大规模部署的AI辅助SQL编写系统，通过微调Llama和开发填充中间模型，显著提升SQL生成性能，并表明小型专业模型可超越大型通用模型。
2024-07-19 cs.DB cs.SE
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
SQL-R1: Training Natural Language to SQL Reasoning Model By Reinforcement Learning
SQL-R1提出用强化学习训练NL2SQL推理模型，设计专门奖励函数，仅用少量合成数据即在Spider和BIRD上达到88.6%和67.1%的执行准确率。
2025-10-09 cs.DB
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
Automatic database description generation for Text-to-SQL
Alibaba Group（阿里巴巴集团）
针对Text-to-SQL任务中数据库描述缺失问题，提出一种基于LLM的粗到细与细到粗双过程自动生成描述方法，在Bird基准上提升SQL生成准确率0.93%，达到人类水平的37%。
2025-02-28 cs.AI cs.CL cs.DB
HDDB: Efficient In-Storage SQL Database Search Using Hyperdimensional Computing on Ferroelectric NAND Flash
UCSD（加州大学圣地亚哥分校）；EPFL（洛桑联邦理工学院）；IBM（国际商业机器公司）
HDDB利用铁电NAND闪存和超维计算实现高效存储内SQL数据库搜索，通过大规模并行性和最小数据移动，降低延迟和能耗。
2025-11-23 cs.AR cs.DB
Semantic SQL -- Combining and optimizing semantic predicates in SQL
本文提出 SSQL 框架，将语义查询与 SQL 中基于 ML 结果和元数据的结构化谓词相结合并联合优化，同时通过人工反馈确定相似度阈值。
2024-04-05 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
SQL Query Completion for Data Exploration
在大数据海啸中，关系数据库和SQL仍然存在，并且在大多数情况下仍然是访问数据的必需品。一方面，SQL易于非专业人士使用，并允许在数据探索过程的最初阶段识别相关的初始数据。另一方面，制定SQL查询并不总是那么容易：现在，一个应用程序域越来越频繁地有多个数据库，其中一些数据库具有数百个表和/或属性。识别相关条件以选择所需的数据，甚至识别相关属性，这绝非易事。为了更容易编写SQL查询，我们提出了SQL查询完成的概念：给定一个查询，它建议将附加条件添加到其WHERE子句中。这种补全是语义的，因为它依赖于来自数据库的数据，而不像当前的补全工具大多是语法的。由于这个过程可以一遍又一遍地重复--直到数据分析师找到她感兴趣的数据--SQL查询完成促进了数据库的探索。SQL查询完成已经在数据库管理系统之上的SQL编辑器中实现。对于评估，需要研究两个问题：第一，完成是否加快了SQL查询的编写速度？第二，是否容易被用户接受？对70名计算机科学专业的学生进行了一次彻底的实验，他们被分成两组（一组完成了实验，另一组没有完成）来回答这些问题。结果是积极的和非常有希望的。
2018-02-08 cs.DB
Bridging the Semantic Gap with SQL Query Logs in Natural Language Interfaces to Databases
构建数据库的自然语言接口（NLIDB）的一个关键挑战是弥合自然语言查询（NLQ）和底层数据之间的语义鸿沟。这个挑战的两个具体表现方式是通过关键字映射和连接路径推理。关键字映射是将原始NLQ中的各个关键字映射到数据库元素（例如关系，属性或值）的任务。这是具有挑战性的，由于在映射用户的心理模型和措辞的模式定义和底层数据库的内容的模糊性。连接路径推断是在最终SQL查询的FROM子句中选择关系和连接条件的过程，并且是困难的，因为NLIDB用户缺乏数据库模式或SQL的知识，因此不能显式地指定构造最终SQL查询所需的中间表和连接。在本文中，我们建议利用数据库的SQL查询日志中的信息来提高现有NLIDBs的性能，以应对这些挑战。我们提出了一个可用于增强现有NLIDB的系统Templar。我们广泛的实验评估表明，我们的方法的有效性，导致高达138%的改善前1的准确性，在现有的NLIDBs利用SQL查询日志信息。
2019-01-31 cs.DB
Schema-Aware Multi-Task Learning for Complex Text-to-SQL
Zhejiang University（浙江大学）
提出架构感知多任务学习框架MTSQL，通过架构链接判别器和操作符中心三元组提取器增强复杂文本到SQL的架构对齐与生成，在Spider基准上表现优异。
2024-03-09 cs.AI cs.CL cs.DB
H-STAR: LLM-driven Hybrid SQL-Text Adaptive Reasoning on Tables
Virginia Tech（弗吉尼亚理工大学）；Arizona State University（亚利桑那州立大学）；University of Pennsylvania（宾夕法尼亚大学）
本文提出LLM驱动的H-STAR算法，通过两阶段过程结合符号与语义推理进行表格推理，在多个数据集上显著优于现有方法。
2025-04-07 cs.AI cs.CL cs.DB
FeatAug: Automatic Feature Augmentation From One-to-Many Relationship Tables
Simon Fraser University（西蒙菲莎大学）
针对一对多关系表自动特征增强中谓词缺失导致候选查询爆炸的问题，提出 FeatAug 框架，结合贝叶斯优化、预热策略与束搜索生成谓词感知 SQL，并在四个真实数据集上验证优于 Featuretools 等基线。
2024-03-11 cs.DB cs.LG
PV-SQL: Synergizing Database Probing and Rule-based Verification for Text-to-SQL Agents
Purdue University（普渡大学）
PV-SQL通过探查和验证组件提升文本到SQL系统的上下文理解能力，实验显示其在执行准确率和有效效率上优于现有基准，且消耗更少token。
2026-04-19 cs.AI cs.DB
DP4SQL: Differentially Private SQL with Flexible Privacy Policies
Duke University（杜克大学）；Binghamton University（宾汉姆顿大学）；Penn State University（宾夕法尼亚州立大学）
针对关系数据库差分隐私中隐私策略僵化的问题，提出DP4SQL系统，支持自定义记录存在性保护与内容保护等灵活策略，避免过度噪声或保护不足。
2026-06-15 cs.CR cs.DB
TACO: A Benchmark for Open-Domain Text-to-SQL with Ambiguous and Cross-Database Queries
Renmin University, China（中国人民大学）；HKUST (GZ) / HKUST（香港科技大学（广州）/ 香港科技大学）；Beijing Big Data Centre（北京大数据中心）
提出TACO基准，包含1500个真实和13000个合成示例，覆盖开放域、歧义和跨数据库查询，通过基线TACO-SQL揭示现有方法的局限性。
2026-06-15 cs.DB
Towards Multi-Modal DBMSs for Seamless Querying of Texts and Tables
TU Darmstadt（达姆施塔特工业大学）；DFKI（德国人工智能研究中心）
本研究提出多模态数据库MMDBs，依托大语言模型构建多模态算子扩展关系数据库，无需手动转换即可用SQL查询文本与表格，在准确率、性能及微调数据需求上均优于现有最优方法。
2023-04-28 cs.CL cs.DB
The Interpretability Analysis of the Model Can Bring Improvements to the Text-to-SQL Task
China Life Insurance Company Limited, Jilin Province Branch（中国人寿保险股份有限公司吉林省分公司）
本文提出CESQL模型，将模型可解释性分析与执行引导策略相结合，并辅以过滤调整、逻辑关联优化和模型融合，在WikiSQL数据集上显著提升了文本到SQL任务中WHERE子句的预测准确率。
2025-08-12 cs.AI cs.CL 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
Concept driven framework for Latent Table Discovery
数据库系统必须满足信息时代日益增长的需求。像搜索引擎这样的新时代信息检索强国的发展给数据管理社区提出了一个挑战，即提出新的机制来向最终用户提供信息。自然语言查询接口的迅速发展迫使系统设计人员提供有意义的定制信息。传统的查询语言如SQL由于面向语法的设计而不能满足这些要求。在这些系统上提供语义覆盖是潜在表发现的目的，其重点是语义连接不相关的表，这些表在设计上没有语法相关，并记录发现的知识。本文提出了一个新的方向，提高数据库系统的语义能力，通过引入一个概念驱动的框架，潜在的表发现方法。
2012-08-20 cs.DB
A Plug-and-Play Natural Language Rewriter for Natural Language to SQL
针对用户因对数据库模式理解有限或记忆偏差导致NL2SQL翻译错误的问题，提出即插即用模块REWRITER，通过Checker、Reflector和Rewriter三个组件自动重写有缺陷的NL查询，在Spider和BIRD基准上分别提升1.6%和2.0%的执行准确率。
2024-12-22 cs.DB
SQL for SRL: Structure Learning Inside a Database System
Simon Fraser University（西蒙弗雷泽大学）
我们在本文中主张的立场是，关系代数可以提供一个统一的语言来表示和计算的关系对象，就像线性代数为传统的单表机器学习。关系代数是在结构化查询语言（SQL）中实现的，它是关系数据库管理系统的基础。为了支持我们的立场，我们已经开发了FACTORBASE系统，它使用SQL作为高级脚本语言，用于图形模型结构的语义关系学习。FACTORBASE的设计理念是将统计模型作为数据库中的一等公民进行管理。我们的实现展示了我们的SQL结构在FACTORBASE中如何促进快速，模块化和可靠的程序开发。来自六个基准数据库的经验证据表明，利用数据库系统的能力，实现可扩展的模型结构学习。
2015-07-02 cs.DB cs.LG
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
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
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
Extending Databases to Support Data Manipulation with Functional Dependencies: a Vision Paper
在本文中，我们建议将存储的数据（表）及其功能依赖关系（FD）融合在一起。我们的目标是使FD成为一等公民：可以查询并用于查询数据的对象。我们的想法是允许分析师使用数据库接口探索数据和函数依赖关系。例如，分析员可能对诸如以下的任务感兴趣：“找到阻止给定函数依赖性保持的所有行”、“对于给定表，找到涉及给定属性的所有函数依赖性”、“投影在功能上确定指定属性的所有属性”。为此，我们提出：（1）一个基于SQL的查询语言查询的功能依赖的集合（2）SQL SELECT子句的扩展，以支持基于FD的谓词，包括近似的（3）一个特殊的数据结构旨在包含挖掘FD和用户查询和底层数据之间的调解人。我们描述了建议的扩展，展示他们的用例，最后，讨论实现细节及其对查询处理的影响。
2020-05-16 cs.DB
SchemaGraphSQL: Efficient Schema Linking with Pathfinding Graph Algorithms for Text-to-SQL on Large-Scale Databases
University of Tehran（德黑兰大学）；Sharif University of Technology（谢里夫理工大学）
提出一种零样本、无需训练的模式链接方法，利用外键图与路径查找算法优化Text-to-SQL，在BIRD基准上达到最先进性能，兼具简单、低成本与高可扩展性。
2025-05-23 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
Castle: Causal Cascade Updates in Relational Databases with Large Language Models
Purdue University（普渡大学）；Rutgers University（罗格斯大学）
针对现有LLM在Text2SQL中忽略更新操作级联效应、传统级联约束不适配现代非规范化数据库的问题，提出Castle框架，依托LLM推理能力实现不暴露表内容的因果一致级联更新生成，经评估验证其有效性。
2025-08-27 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
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
FactorBase: SQL for Learning A Multi-Relational Graphical Model
Simon Fraser University（西蒙弗雷泽大学）
我们描述FactorBase，一个新的基于SQL的框架，利用关系数据库管理系统，以支持多关系模型发现。多关系统计模型提供了对数据库中异构和相互依赖的数据资源的综合分析。我们采用BayesStore的设计理念：统计模型作为一等公民在数据库中存储和管理。虽然像BayesStore这样的系统支持多关系推理，但FactorBase支持多关系学习。六个基准数据库的案例研究评估我们的系统如何支持一个具有挑战性的机器学习应用程序，即学习一阶贝叶斯网络模型的整个数据库。在这种情况下，模型学习必须检查数据表之间的大量潜在统计关联。我们的实现展示了FactorBase中的SQL结构如何促进高度可扩展的模型学习系统的快速，模块化和可靠的开发。
2015-08-10 cs.DB cs.LG
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
In-Machine-Learning Database: Reimagining Deep Learning with Old-School SQL
Australian National University（澳大利亚国立大学）
数据库内机器学习已经非常流行，几乎是陈词滥调。但是，我们是否可以反过来做呢？在这项工作中，我们通过将普通的旧SQL应用于深度学习，在某种意义上用SQL实现深度学习算法来回答“是”。大多数深度学习框架，以及通用的机器学习框架，都共享一个事实上的多维数组操作标准，在更花哨的基础设施下，如自动微分。由于SQL表可以被视为（多维）数组的泛化，我们已经找到了一种在SQL中表达常见深度学习操作的方法，鼓励不同的思维方式，因此可能是新颖的模型。特别是，深度学习的最新趋势之一是以图卷积网络的名义引入稀疏性，而我们在数据库世界中几乎认为稀疏性是理所当然的。由于数据库和机器学习都涉及数据集的转换，我们希望这项工作可以激发进一步的工作，利用数据库领域现有的大量智慧，算法和技术来推进机器学习的最新技术，而不仅仅是将机器学习集成到数据库中。
2020-04-14 cs.DB cs.LG stat.ML
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
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
Graph-Reward-SQL: Execution-Free Reinforcement Learning for Text-to-SQL via Graph Matching and Stepwise Reward
Beijing University of Posts and Telecommunications（北京邮电大学）；ByteDance（字节跳动）；Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究所）
针对现有Text-to-SQL强化学习奖励模型延迟高、内存开销大的问题，提出基于图匹配的Graph-Reward-SQL框架与分步奖励模型StepRTM，在保证奖励准确的同时提升效率，在标准基准上性能优于现有方法。
2025-10-03 cs.DB cs.LG cs.PL
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
SQL-PaLM: Improved Large Language Model Adaptation for Text-to-SQL (extended)
Cloud AI Research Team（云AI研究团队）；Google DeepMind（谷歌DeepMind）
本文提出SQL-PaLM框架，通过少样本提示中的一致性解码与执行错误过滤、指令微调中的数据多样性扩展、合成增强及数据库内容整合，并利用执行反馈进行测试时选择，显著提升了Spider和BIRD基准上的文本到SQL性能。
2024-03-30 cs.AI cs.CL cs.DB
Rethinking Text-to-SQL: Dynamic Multi-turn SQL Interaction for Real-world Database Exploration
University of Chinese Academy of Sciences（中国科学院大学）；Peking University（北京大学）；Tsinghua University（清华大学）
针对现有Text-to-SQL系统无法适配真实场景多轮动态交互的问题，本文构建自动化生成的DySQL-Bench评测基准与多轮交互评估框架，实验证明该基准难度较高，现有顶尖模型表现仍有较大提升空间。
2025-11-13 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
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
Synthetic SQL Column Descriptions and Their Impact on Text-to-SQL Performance
Linköping University（林雪平大学）
本研究利用LLM自动生成SQL列描述，基于BIRD-Bench构建数据集并评估多种模型，发现生成描述能提升text-to-SQL性能，尤其对大型模型有效，且更详细的元数据优于人工金标准。
2024-11-05 cs.AI cs.CL cs.DB
