DW-Bench：评测LLM的数据仓库图拓扑推理能力

本文提出DW-Bench，一个评测大语言模型（LLM）在数据仓库模式上进行图拓扑推理能力的新基准，显式纳入外键（FK）与数据血缘（data-lineage）两类边。该基准包含跨五个模式自动生成、可验证正确的1,046道问题。实验显示，工具增强方法显著优于静态方法，但在困难的组合型子类上趋于停滞。