Jul, 2023

基于检索增强的 GPT-3.5 的文本到 SQL 框架，具备样本感知提示和动态修订链

PDF
TL;DR本文提出一种基于大型语言模型的 Text-to-SQL 框架 —— 检索增强提示法，包括样本感知提示和动态修订链，通过引入检索来生成针对自然语言问题的 SQL 查询。
text-to-sqllarge language modelsretrieval-augmented prompting methoddynamic revision chaintext-to-sql benchmarks
发现论文，激发创造
  • PET-SQL：基于 Prompt 增强的两阶段的文本到 SQL 框架与交叉一致性

    该论文提出了一个两阶段的框架以增强当前基于大语言模型的自然语言到 SQL 系统的性能，首先引入了一种称为参考增强表示的新型提示表示方法，然后通过 few-shot 示范检索问题 - SQL 对来生成初步 SQL，对初步 SQL 中的实体进行解析以进行模式链接，在第二阶段中，简化了提示的模式信息，最终使用跨不同语言模型的交叉一致性作为后细化模块，取得了在 Spider 基准上的新的最先进结果，执行准确率达到了 87.6%。

    Mar, 2024

  • 增强大型语言模型的少样本文本到 SQL 能力：关于提示设计策略的研究

    本文介绍了一种基于大型语言模型的 In-context learning 方法用于文本到 SQL 查询转换中，通过不同的演示选择策略和指令格式来提高 LLMs 性能。实验结果表明，该方法在 Spider 数据集上超出了最先进系统 2.5 个点，超出了最佳微调系统 5.1 个点。

    May, 2023

  • 如何引导 LLMs 进行文本到 SQL 转换：零 - shot、单域和跨域场景的研究

    研究大型语言模型在上下文学习中在文本到 SQL 任务中的表现，尤其是对于提示文本构建的影响和最有效的构建策略进行的全面调查。

    May, 2023

  • 跨领域文本到 SQL 的自适应提示基于案例推理框架

    本文提出 CBR-ApSQL 框架，整合了 Case-Based Reasoning 和 GPT-3.5 的 API，通过自适应提示和语义领域相关性评估器，提高了 Text-to-SQL 任务的性能表现，在三个跨域数据集中的执行准确率超过了当前最先进的模型 3.7％，2.5％和 8.2％，具有很好的应用前景。

    Apr, 2023

  • 下一代数据库接口：LLM 基于文本到 SQL 的调查

    根据自然语言问题（文本到 SQL）生成准确的 SQL 是一个长期存在的问题，传统的文本到 SQL 系统使用人工工程和深度神经网络，而最近的大型语言模型（LLMs）已经展示出在自然语言理解方面的显著能力，因此，将 LLM-based 实现整合到文本到 SQL 研究中可以带来独特的机遇、挑战和解决方案。

    Jun, 2024

  • 分而治之：面向 Text-to-SQL 的思路链引导

    本文提出了一种新的 Text-to-SQL 任务提示范例，称为 Divide-and-Prompt，采用 Chain-of-thought prompting 和大型语言模型解决复杂的 Text-to-SQL 语义解析任务，实验表明这些提示方法提高了 LLM 生成更高执行准确性的 Text-to-SQL 的能力。

    Apr, 2023

  • ACT-SQL: 上下文学习的自动生成思维链文本到 SQL

    我们研究了在文本到 SQL 任务中的提示设计问题，并尝试提高大型语言模型在生成 SQL 查询时的推理能力。我们设计了一种类似于模式链接的思维链 (CoT) 提示的方法，并提供了一种名为 ACT-SQL 的方法来自动生成自动 CoT 示例，从而整个过程不需要手动标注。我们的方法在生成一个 SQL 查询时仅使用一次 LLMs 的 API 调用，从而节省了成本。此外，我们将我们的上下文学习方法扩展到多轮文本到 SQL 任务。实验结果表明，LLMs 的性能可以受益于我们的 ACT-SQL 方法。在现有的上下文学习方法中，我们的方法在 Spider dev 数据集上实现了最好的性能。

    Oct, 2023

  • SQLPrompt：使用最少标记数据的上下文文本到 SQL 转换

    提出了 “SQLPrompt” 方法，用于改善大型语言模型 (Text-to-SQL) 在少样本预测上的效果，包括创新的提示设计、基于执行结果一致性的解码策略、以及通过不同提示设计和基础模型的混合来提高性能，实验证明 “SQLPrompt” 在有限标注数据的情境学习中显著优于之前的方法，缩小了与使用数千标注数据进行微调的最先进方法的差距。

    Nov, 2023

  • 基于大型语言模型的文本转 SQL：基准评估

    本文对大型语言模型（LLMs）在 Text-to-SQL 任务中的应用进行了研究，提出了一种新的集成解决方案 DAIL-SQL，并通过实验证明了其在 Spider 排行榜上取得了 86.6% 的执行准确率。研究重点在于提示工程中的令牌效率和任务特定的监督微调。通过探索开源 LLMs 在 Text-to-SQL 中的潜力，以及任务特定的监督微调的优势和劣势，希望能够对 LLMs 在 Text-to-SQL 领域提供更深入的了解，并激发进一步的研究和广泛应用。

    Aug, 2023

  • 探究思维链式提示在文本到 SQL 转换中的应用

    本文研究如何通过链式思维提示增强 LLM 的文本到 SQL 解析的推理能力，实验结果表明，通过避免错误传播的详细信息，新方法在 Spider 开发集上的表现比现有方法提高了 2.4 个绝对值。

    May, 2023