R$^3$-SQL：文本转 SQL 的排名奖励和重采样

现代文本到 SQL 系统会生成多个候选 SQL 查询并对它们进行排名以判断最终预测。然而，现有方法面临两个限制。首先，尽管执行结果相同，但它们对功能等效的 SQL 查询的评分常常不一致。其次，当候选池中缺少正确的 SQL 时，排名无法恢复。我们提出 R$^3$-SQL，一个文本到 SQL 框架，通过统一排名和重采样奖励来解决这两个问题。 R$^3$-SQL 首先按执行结果对候选者进行分组，并对组进行排名以获得一致性。为了对每个组进行评分，它将跨组的成对偏好与来自最佳组排名和规模的逐点效用相结合，捕获相对偏好、一致性和候选质量。为了提高候选召回率，R$^3$-SQL 引入了代理重采样，它会判断生成的候选池，并在可能不存在正确 SQL 时选择性地重新采样。 R$^3$-SQL 在 BIRD-dev 上实现了 75.03 的执行精度，这是使用公开大小的模型的方法中的最新技术，在五个基准测试中具有一致的增益。