研究人员开发了AptMQL-Bench，一个用于文本到MQL生成的新基准测试，旨在改进MongoDB等文档数据库的自然语言查询。将文本到SQL基准测试转换为此格式的现有方法经常失败，导致数据丢失和低效的模式。新的管道利用编码代理和人工验证，创建了MongoDB原生且能保留数据完整性的MQL查询，从而形成了一个包含21个数据库和3000多个查询的基准测试。即使是像Claude Opus 4.5这样的先进模型，准确性仍然是一个挑战，这突显了现实世界文本到MQL生成的难度。 AI
影响 强调了NoSQL数据库自然语言查询的持续挑战，可能指导未来的模型开发。
排序理由 该集群包含一篇介绍特定AI任务新基准测试的研究论文。[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 →
