研究人员开发了一个新颖的多智能体框架，旨在提高自然语言到SQL（NL2SQL）查询的准确性和可靠性。该系统通过整合领域相关性检测、基于模式的知识构建和KPI感知的SQL合成，解决了大型语言模型（LLM）常见的局限性，如幻觉模式元素和生成无效查询。它通过使用SQLite执行反馈进行语法级自修复和通过SQL到NL逆向工程进行语义一致性检查，进一步提高了精度。该框架在60个查询的数据集上进行了测试，使用Mistral模型达到了90%的正确率，展示了其在保险等高风险环境中的潜力。 AI
影响 提高了大型语言模型在复杂数据查询方面的可靠性，可能促使其在受监管行业中得到更广泛的应用。
排序理由 学术论文，详细介绍了NL2SQL的新方法。[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 →
