标签
论文提出 HybridResearcher，一个 4B 小型深度研究智能体，通过合成跨源轨迹与强化学习在结构化与非结构化数据之间进行推理，在 HybridDeepResearch 基准上超越更大的 Qwen3.5-397B-A17B，同时不遗忘单源能力。
NVIDIA 的 Nemotron 3.5 Super VL 现已在 River API 上可用于推理、微调和 RL。据称，该模型在未经训练的情况下在 text-to-SQL 评测中已优于 Kimi K2.6，并且经过训练后可以超越 Astra 和 Opus 5.5。
HERO 提出了一种结合离线与测试时 harness 优化的方法，通过执行验证得到的成功和失败样本学习可复用的提示词更新，并在测试时利用执行反馈对生成的代码进行精细调整，在 SQL、Cypher 和 Python 基准测试中将 pass@1 提升了约 9.6 个百分点。
DSABench 提出了一个评估多数据库智能体源发现、协调与执行能力的基准，包含815个人工审核任务，发现当前模型在多数据库工作流中的整体成功率仍然很低（最高约17%），凸显了跨库信息传递的挑战。
一条引用推文，讨论一项关于在部署执行框架内训练模型的研究：Qwen3-14B在与部署一致的执行框架中训练后，Spider 2.0-SQLite基准成绩从22.2%提升至54.8%，凸显了自定义执行框架的重要性。
本文提出了一个面向表格数据对话式任务歧义消解的泄漏感知框架，将智能体分解为提问策略和求解策略，并推出了 AmbiTab——一个统一六个存在歧义的 text-to-SQL 数据集的基准套件。此外，研究还使用强化学习训练提问策略，在全部六个数据集上提升了歧义消解指标，并在其中五个数据集上提高了任务成功率。
论文提出 ARCS（Ambiguity Resolution Corpus for SQL），首个包含真实数据库上自然歧义的 text-to-SQL 基准，并提出"结构化消歧"范式取代自由对话澄清。实验表明歧义下 text-to-SQL 仍具挑战：GPT-6 SOTA 仅 51% 端到端执行准确率，开源模型均不超过 27%。
伦敦大学学院（UCL）的研究人员提出了 Text2Dashboard，这是一种受治理的智能体架构，能够将自然语言请求转化为基于企业数据的可审查仪表板。它将受架构约束的 LLM 决策与类型化工具、确定性钩子以及人工审批关卡相结合。在少量 DataBrain 任务和故障场景上的评估结果显示了积极但仍有局限的结果。
该论文提出PlanPool方法，通过将澄清计划外部化为可变问题池，解决agentic Text-to-SQL系统中过早终止澄清的问题，从而减少静默失败并提升歧义覆盖能力。
该论文提出 FD-SCoPE 框架，利用可验证、可反馈的语言模型与可执行查询，回答临床医生对临床试验证据表格的提问，包括无法直接通过数据库查询得出的派生属性问题，并在肿瘤学免疫检查点抑制剂试验数据上验证其可审计性与有效性。
Argo-Bench 提出了一个包含 210 项企业级数据科学任务的评测框架，构建于一个模拟外卖平台之上，该平台拥有一个包含 235 张表、75 亿行数据的 ERP 数据仓库。该框架测试的智能体需要在数据中进行导航并采取行动，而非仅仅生成 SQL。在 14 个前沿模型和开源权重模型中，表现最强的模型平均得分也仅为 59.5 分，凸显了数据智能体在真实场景下能力上的显著差距。
一位开发者正在构建一个智能Text-to-SQL管道，用于查询金融数据库，并寻求社区对架构的健壮性、安全性和性能的反馈。
本文审计了生产环境Text-to-SQL流水线中LLM-as-Judge的表现，发现其与人工标注者的一致性较差，并提出使用自托管的Qwen模型和集成方法进行修复，以提高可靠性并降低成本。
ModularSQL引入运行时防护措施，以解决Text-to-SQL系统中的多重性盲点，通过低开销检测和纠正多重性错误，提高生产环境中的执行安全性。
Coal-SQL是一个用于文本到SQL的后训练框架，通过覆盖引导增强和失败驱动学习来改进SQL生成，在BIRD基准测试中仅使用12.6K个示例就达到了64.9%的执行准确率。
DualSQL 提出了一种用于文本到SQL的多智能体强化学习框架，利用单一共享模型联合优化模式链接和SQL生成，以更小的模型大小实现了最先进的准确性。
WrenAI 是一个开源的生成式 BI 引擎，允许用户通过自然语言提问生成 SQL、图表和分析结果，并带有语义层以提高准确性。
text2ql是一个开源的Python框架，通过语言无关的中间表示实现多目标自然语言查询，支持SQL和GraphQL，并提供基于LLM和确定性模式，在基准测试中实现高准确率。
本文介绍了一种生产级企业分析系统，该系统通过领域专家技能和知识编译，将交互模式从问题优先反转为分析师优先，从而实现带有验证指标和建议问题的主动分析。