Oct, 2023
ACT-SQL: 上下文学习的自动生成思维链文本到 SQL
ACT-SQL: In-Context Learning for Text-to-SQL with Automatically-Generated Chain-of-Thought
Hanchong Zhang, Ruisheng Cao, Lu Chen, Hongshen Xu, Kai Yu
TL;DR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。