研究人员开发了一种名为 GRIPS 的三阶段方法，通过在生成 SQL 之前显式地将问题提及与表、列、值和关系进行基础关联，来改进 Text-to-SQL 系统。该方法解决了 SQL 静态故障中的一个主要错误来源，特别是基础关联错误。在 TempTabQA-C 和 BIRD 基准测试中，使用 GPT-5-nano 和 Llama-70B 模型进行测试时，GRIPS-Adaptive 在 20 种设置中的 18 种上平均准确率提高了 11.8 个百分点，同时还将模型调用令牌使用量减少了 47.8%。研究表明，虽然特定的基础关联信息是有益的，但添加过多的预 SQL 信息并不能持续提高性能。 AI
影响 提高了从自然语言生成 SQL 的准确性和效率，有望改进数据分析工具。
排序理由 详细介绍改进 Text-to-SQL 系统新方法的学术论文。[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 →
