本文提出一种名为 ISESL-SQL 的框架，通过具有迭代性的语义增强架构图方法，构建了问题单词和数据库模式之间的联系，提高文本到 SQL 系统的泛化能力。实验结果表明，ISESL-SQL 优于其他基准模型，并展示了其在多种数据库上的鲁棒性和泛化能力。

Aug, 2022

本文提出了一种基于 Cypher 语法的 PG 架构定义语言 DDL，通过同构关系实现 PG 架构验证，同时通过图重写操作实现 PG 架构演进，并展示了对灵活 PG 架构需求的高级查询原语的需求。

Feb, 2019

通过利用大型语言模型的指导进化框架，研究证明了机器学习模型的自主进化和增强设计的潜力。

Mar, 2024

传统的文本到 SQL 解析器在合成涉及多个表格或列的复杂 SQL 查询方面表现不佳，为了解决这个问题，我们提出了一种面向模式的多任务学习框架（名为 MTSQL）来处理复杂的 SQL 查询。通过设计一个模式链接鉴别器模块来区分有效的问题 - 模式关联，明确指示编码器通过特殊的链接关系来增强对齐质量。在解码器方面，我们定义了 6 种关系类型来描述表格和列之间的连接，并引入以运算符为中心的三元抽取器来识别那些与预定义关系相关的模式项。此外，我们通过预测的三元组建立了一组语法约束规则集，用于在 SQL 生成过程中过滤适当的 SQL 运算符和模式项。在跨领域的具有挑战性的文本到 SQL 基准测试 Spider 上，实验结果表明 MTSQL 比基线方法更有效，特别是在极端困难的场景中。此外，进一步的分析验证了我们的方法在处理复杂 SQL 查询方面的有希望的改进。

Mar, 2024

利用大型语言模型进行软件模型演化的研究，探索了大型语言模型在软件工程中支持软件模型演化的潜力，通过使用模拟模型仓库进行的实验评估，发现大型语言模型在软件模型演化方面有很大的潜力，并值得进一步探索。

Dec, 2023

本文介绍 Evaporate 和 Evaporate-code+ 系统，用大的语言模型库开发这些系统可以在保证较低成本的同时提高提取数据质量，并且在处理了一系列文档的情况下达到了比现有技术更好的性能.

Apr, 2023

本研究使用大型语言模型通过自然语言来起草事件模式，之后通过人工技术进行进一步的修订并将事件知识萃取到模式中。通过实验证明，大型语言模型在两个数据集中取得了适当的关键事件回调，并且我们的方法为更轻松地从大型语言模型中提取事件知识提供了可能性。

May, 2023

使用 CodeLlama-34B 建立了一种创新的模式链接方法，通过从初始 SQL 查询中提取表格和列，创建了一个简明的架构，并且在与主流方法对比的情况下，在 SQL 生成方面表现最佳。利用 GPT4，在 Spider 数据集上实现了与主流 Text-to-SQL 方法相媲美的结果。

May, 2024

该研究提出了一个概念性框架来实现自动化软件演化，强调多模态学习的重要性。基于该框架，开发了一种选择性顺序范围模型（3S）模型，用于对不同软件工程阶段和多模态学习任务进行分类。该研究为更高级的自动化软件演化奠定了基础，并可作为实践者进入该领域的实用指南。此研究虽然针对智能应用，但框架和分析方法也可适用于其他类型的软件，随着人工智能为其生命周期带来更多智能。

Apr, 2024

利用用户查询和数据库的结构信息改进结构化 SQL 的生成问题，提出了一种结构引导的 SQL（SGU-SQL）生成模型，并通过实验验证其优于 16 种 SQL 生成方法。

Feb, 2024