Rose-SQL：角色状态演化引导的多轮文本到 SQL 的结构化推理

使用长思维链训练的大型推理模型 (LRM) 的最新进展已经证明了代码生成和数学推理方面的卓越能力。然而，它们在多轮文本到 SQL 任务中的潜力在很大程度上仍未得到充分开发。现有方法通常依赖于不稳定的基于 API 的推理，或者在小规模模型上需要昂贵的 微调。在这项工作中，我们提出了 Rose-SQL，这是一个 无需训练 框架，它通过上下文学习利用小规模 LRM 来实现准确的上下文相关解析。我们引入了角色状态，这是一种细粒度的表示，通过充当结构蓝图来弥合模式链接和 SQL 生成之间的结构差距。为了处理会话依赖关系，Rose-SQL 通过结构同构检查在历史上下文中跟踪角色状态的演变，引导模型通过经过验证的交互轨迹推断当前问题可能的 SQL 组合。 SParC 和 CoSQL 基准测试表明，在 Qwen3 系列中，Rose-SQL 在 4B 规模上优于上下文学习基线，并在 8B 和 14B 规模上大幅超越最先进的微调模型，同时在额外的推理主干上表现出一致的增益。