English(EN) Beyond the Harness: End-to-End Optimization of Context Artifacts for Enterprise Text-to-SQL

新方法优化企业文本到SQL任务的LLM上下文

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-25 04:00

研究人员开发了一种方法，用于优化提供给大型语言模型（LLM）的企业文本到SQL任务的知识库上下文。该方法不输入整个业务逻辑（这不可行），而是专注于从历史使用数据构建上下文。这包括将查询分解为DAG，并使用蒸馏过程从历史查询配置文件创建可重用的SQL参考卡。在零售商的生产查询上进行的实验表明，与仅优化检索约束相比，抽象语法树（AST）相似度有了显著提高。 AI

影响这项研究可以提高LLM在理解和查询复杂企业数据库方面的效率和准确性。

排序理由学术论文，详细介绍了优化文本到SQL的LLM上下文的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 2 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了优化文本到SQL的LLM上下文的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 1 days old; Coverage has settled into its steady-state source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Kate Gwimm, Carson Eisenach · 2026-08-25 04:00

超越约束：企业文本到SQL的上下文伪影端到端优化

arXiv:2608.22830v1 Announce Type: new Abstract: Deploying LLMs for enterprise Text-to-SQL is bottlenecked less by the model than by what context reaches it: business logic spans thousands of tables, and no model can ingest a full catalog at once. We argue that the most effective …

本文如何被排名

报道来源 [1]

超越约束：企业文本到SQL的上下文伪影端到端优化

相关实体

相关话题