SQL-ASTRA：通过列集匹配与轨迹聚合缓解智能体SQL中的稀疏反馈

智能体强化学习（RL）在复杂任务上展现出前景，但Text-to-SQL大多仍局限于单轮范式。一个主要瓶颈是贡献归因问题。在传统范式中，奖励仅由最后一轮反馈决定，忽略了中间过程，导致信用评估模糊。为解决这一问题，我们提出Agentic SQL，一个以通用双层奖励机制为特色的框架，旨在提供有效的轨迹级评估与稠密的步级信号。首先，我们提出聚合轨迹奖励（Aggregated Trajectory Reward，ATR）来解决多轮贡献归因。ATR利用非对称转移矩阵聚合面向过程的分数，以激励持续改进。借助Lyapunov稳定性理论，我们证明ATR充当能量耗散算子，保证策略无环且单调收敛。其次，列集匹配奖励（Column-Set Matching Reward，CSMR）提供即时的步级奖励以缓解稀疏性。通过在每一轮执行查询，CSMR将二值（0/1）反馈转换为基于部分正确性的稠密[0, 1]信号。在BIRD上的评估显示，相比使用二值奖励的GRPO提升5%。值得注意的是，在使用相同模型的情况下，我们的方法在BIRD和Spider 2.0上优于SOTA的Arctic-Text2SQL-R1-7B，推动Text-to-SQL走向稳健的多轮智能体范式。