nl2sql

本文介绍了一种轻量级中间件 Schema-Aware Localisation (SAL)，它通过将 LLM 生成的 SQL 查询锚定到实时 Oracle 模式目录中，从而消除幻觉错误，在无需手动模式整理的情况下，在 TPC-H 问题上实现了 62.6% 的执行锚定正确率。

本文系统地分析了多个用于自然语言到SQL翻译的流水线扩展组件，包括中间表示、合成数据、预处理和重排器，使用SmBoP和RASAT架构，发现它们的交互比简单组合所有组件更重要。

本文提出了一种基于语义层的NL2SQL智能体，通过推理精心设计的语义模型将意图与物理执行解耦，在Spider2-snow基准上实现了94.15%的执行准确率。

Soma-SQL提出了一种自主方法，利用合成查询日志和歧义驱动的执行探测，解决自然语言到SQL翻译中的多源歧义问题，在执行准确率上比最先进的基线平均提升13%。

本文介绍了AgentNLQ，一个用于自然语言到SQL转换的多代理系统，通过模式增强和自校正编排器在BIRD基准测试上达到了78.1%的语义准确率。

FD-NL2SQL是一个反馈驱动的自然语言转SQL系统，专门用于临床肿瘤学数据库，通过临床医生编辑和基于逻辑的SQL增强实现持续学习。该系统将自然语言问题分解为谓词，检索专家验证的范例，并综合可执行的SQL，具备持续学习能力。

ROSE是一个新颖的面向意图的NL2SQL评估指标，采用Prover-Refuter级联框架来评估语义正确性，无需依赖真实SQL，与人类专家的一致性比现有指标高24%。该论文解决了执行准确度的局限性，并对19个NL2SQL方法进行了重新评估，并公开发布了相关资源。