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
Relational-Core Graph Analytics Querying graphs at SQL scale, and why the node/edge model is a performance tax, not a truer picture of connected data
ClickGraph；DeltaGraph
该研究提出ClickGraph与DeltaGraph系统，将Cypher转换为原生关系模式在关系引擎执行，性能远超Neo4j等原生图引擎，突破内存图引擎的扩展限制，证明关系系统可高效处理企业图分析工作负载。
2026-09-02 cs.AI cs.DB cs.PL
Expressive Power of Deep Homomorphism Networks over Relational Databases
University of Amsterdam（阿姆斯特丹大学）；Leipzig University（莱比锡大学）；Technion（技术学院）；RelationalAI（关系AI）
本文通过将深度同态网络与一阶逻辑的片段建立联系，研究了其在关系数据库上的表达能力，并分析了空问题和包含问题的可判定性。
2026-05-18 cs.AI cs.DB cs.LG
SAGE: A Unified Algebra and Self-Adaptive Execution for AI Functions in SQL
研究针对SQL中AI函数的执行问题，提出SAGE框架，通过三个类型化原语统一AI函数的关系角色，实现了SemBench性能提升，还大幅降低了可分解连接的模型调用与执行成本。
2026-08-24 cs.AI
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
Research Challenges in Relational Database Management Systems for LLM Queries
University of Waterloo（多伦多大学）
本文通过五个代表性查询探索两个开源系统和一个企业平台，揭示SQL调用LLM在功能、性能和可扩展性上的局限，识别结构化输出、资源利用和查询规划三大问题，并验证初步改进方案，证明LLM与DBMS紧密集成是可扩展高效处理LLM查询的关键。
2025-08-28 cs.AI cs.DB
AskDB: An LLM Agent for Natural Language Interaction with Relational Databases
IT Operations, Mantu Group（Mantu集团信息技术部）；Faculty of Engineering, Vietnamese-German University（越南-德国大学工程学院）；Computer Science and Information Engineering, National Taiwan University（国立台湾大学计算机科学与工程系）
AskDB是一种基于大型语言模型的代理，通过自然语言实现对关系数据库的数据分析和管理操作，提供统一且智能的交互体验。
2025-11-20 cs.AI 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
Natural Language Query Engine for Relational Databases using Generative AI
IBM France（IBM法国公司）
针对非技术用户因缺乏SQL知识难以查询关系数据库的问题，提出基于生成式AI的自然语言查询引擎，可自动将自然语言查询转译为语法语义正确的SQL并生成自然语言响应，实现数据访问普惠化并提升效率。
2024-09-23 cs.AI cs.DB cs.LG
KathDB: Explainable Multimodal Database Management System with Human-AI Collaboration
University of Washington（华盛顿大学）
KathDB是一种结合关系语义和基础模型推理能力的多模数据库管理系统，通过人机协作实现查询解析、执行和结果解释的可解释性。
2025-12-11 cs.AI 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
Sophrosyne: Agentic Exploration of Relational Data Systems Needs Moderation
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对LLM驱动的Text2SQL智能体在探索数据系统时过度探索的问题，提出Sophrosyne环境，通过增强API响应中的指令来引导探索，减少过度探索并提升SQL生成准确性。
2026-05-29 cs.AI cs.DB
Enhancing LLM Fine-tuning for Text-to-SQLs by SQL Quality Measurement
Prairie View A&M University（Prairie View A&M大学）；CREDIT Center（CREDIT中心）
本文提出仅依赖SQL质量测量反馈机制来增强基于大语言模型的Text-to-SQL性能，在BIRD基准上取得与GPT4、T5等SOTA模型相当的EX和VES表现。
2024-10-02 cs.AI cs.DB cs.SE
AgentNLQ: A General-Purpose Agent for Natural Language to SQL
JPMorganChase（摩根大通）
本研究提出了一种多代理方法，用于改进自然语言到SQL的转换，该方法在BIRD基准测试中实现了78.1%的语义准确率，并通过优化的多代理解决方案、先进的模式增强方法以及跨不同领域和数据集的评估，展示了方法的准确性和泛化能力。
2026-05-18 cs.AI
Bertrand-DR: Improving Text-to-SQL using a Discriminative Re-ranker
Got It AI R&D（Got It人工智能研发中心）
为了访问存储在关系数据库中的数据，用户需要理解数据库模式并使用诸如SQL之类的查询语言编写查询。为了简化这一任务，文本到SQL模型试图将用户的自然语言问题转换为相应的SQL查询。最近，已经开发了几种生成式文本到SQL模型。我们提出了一种新的判别重排序器，通过从文本到SQL生成器预测的波束输出中提取最佳SQL查询来提高生成文本到SQL模型的性能，从而提高了最佳查询在候选列表中但不在列表顶部的情况下的性能。我们构建了一个模式不可知的BERT微调分类器的重新排名。我们分析了不同查询难度级别的文本到SQL和重新排序模型的相对优势，并建议如何将这两种模型结合起来以获得最佳性能。我们通过将其应用于两个最先进的文本到SQL模型来证明重新排名器的有效性，并在撰写本文时在Spider排行榜上获得前4名。
2020-11-03 cs.AI cs.CL cs.LG
Weakly Supervised Text-to-SQL Parsing through Question Decomposition
Blavatnik School of Computer Science, Tel Aviv University（特拉维夫大学布拉瓦尼克计算机科学学院）；Allen Institute for AI（艾伦人工智能研究所）
本文提出利用 QDMR 中间表示，由问题、分解结构和答案自动合成 SQL 查询，从而在零 SQL 标注下训练具有竞争力的 text-to-SQL 解析器。
2024-08-02 cs.AI cs.CL cs.DB
A Survey of Text-to-SQL in the Era of LLMs: Where are we, and where are we going?
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；Renmin University of China（中国人民大学）；Tsinghua University（清华大学）
本文综述了大语言模型时代下文本到SQL技术的发展现状、核心方法及未来挑战。
2026-08-25 cs.AI 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
Git4Data: Database-Native Version Control for AI Agents
MatrixOrigin（矩阵起源）；Purdue University（普渡大学）
Git4Data是面向AI智能体的数据库原生版本控制层，通过SQL扩展提供Git风格操作，在BranchBench上性能优于DoltDB，可高效支持AI智能体的关系数据版本管理。
2026-09-03 cs.AI 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
SQLConductor: Search-to-Policy Learning for Step-wise Text-to-SQL Orchestration
HKUST(GZ)（香港科技大学（广州））
提出SQLConductor框架，通过搜索到策略学习将文本到SQL任务分解为动作序列，用蒙特卡洛树搜索探索工作流并训练策略模型逐步编排，在BIRD-Dev上达73.2%执行准确率。
2026-06-23 cs.AI cs.DB cs.LG
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
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
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
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
Dialect2SQL: A Novel Text-to-SQL Dataset for Arabic Dialects with a Focus on Moroccan Darija
Mohammed VI Polytechnic University（摩洛哥穆莱·易卜拉欣 polytechnic 大学）；King Fahd University of Petroleum and Minerals（国王 Fahd 石油和矿产业大学）
针对现有Text-to-SQL数据集主要覆盖高资源语言的问题，本文推出首个聚焦摩洛哥达里贾语的阿拉伯方言大规模跨领域Dialect2SQL数据集，填补了相关低资源语言研究资源空白。
2025-01-20 cs.AI cs.CL cs.DB
