一个新的基准测试ESQ-Bench已被开发出来,用于评估自然语言到SQL(NL2SQL)模型在企业数据库环境中的表现,这些环境比典型的学术基准测试更复杂。该基准测试包含六个填充的模式和跨越三个复杂度层级的550个问题-查询对,主要使用Oracle作为数据库。初步测试表明,Claude Sonnet 4.6在ESQ-Bench上的表现优于GPT-4o,尤其是在更高复杂度层级上,而像Llama 3.2这样的开源模型则表现不佳。 AI
影响 该基准测试有望推动企业级NL2SQL能力的改进,促使模型更好地处理复杂的数据库模式和方言。
排序理由 该条目描述了一个用于评估NL2SQL模型的新学术基准测试。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →