ESQ-Bench

新的ESQ-Bench凸显Claude Sonnet 4.6在企业级NL2SQL方面领先GPT-4o

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。