使用本地LLM将XQuery转换为SQL：我需要微调还是更好方法？[P]

​ 我正尝试在企业环境中将XQuery语句转换为SQL查询，但有一个限制：解决方案必须依赖本地运行的LLM。一个关键挑战是缺乏足够的训练数据（XQuery及其对应SQL查询的配对），尤其缺乏覆盖不同模式的多样性。我最初尝试了基于解析的方法，想法是从XQuery（使用Python脚本）中提取表名、列和条件等元素，将其映射到SQL组件，并将这种结构化表示传递给LLM。然而，这种方法严重依赖基于正则表达式的解析，当输入查询结构变化时就会失效。随后我尝试了提示工程方法，为SQL查询的生成定义严格的规则和模板。虽然这对较简单的输入有一定效果，但对于更复杂或更长的XQuery，输出变得不一致且往往不正确。目前，我正在考虑使用PEFT（QLoRA）对Qwen2.5-Coder 7B模型进行本地LLM微调。然而，可用数据集非常小（约110-120个样本），且不够多样化。到目前为止观察到的主要问题：对XQuery编写方式的变化敏感；对于较长的输入，生成的SQL中缺少条件或列。鉴于这些限制，我试图找出最有效的方向。使用如此有限的数据进行微调是否足够，或者是否有更好的方法来处理这种结构化查询翻译问题？如果需要，我很乐意提供更多细节。