论文
EviLink：用于大规模文本到 SQL 的不确定性引导证据采集的多路径模式链接
EviLink: Multi-Path Schema Linking with Uncertainty-Guided Evidence Acquisition for Large-Scale Text-to-SQL
摘要
模式链接是大规模文本到 SQL 中的一个困难而重要的步骤，其中系统必须从大型且不明确的数据库中识别紧凑但足够的模式上下文。现有方法通常将模式链接视为围绕单个 SQL 路径的确定性选择，但复杂的问题可能会允许具有不同模式需求的多个有效实现。我们将模式链接重新构建为对多个看似合理的 SQL 路径的不确定性感知模式需求推断，其中系统将所需的模式项与路径依赖的不确定项区分开来，并仅在需要时获取证据。我们使用 EviLink 实例化了这种重构，它将多假设模式基础与不确定性引导的证据获取相结合。 BIRD-Dev 和 Spider2-Snow 上的实验表明，这种视角提高了模式完整性、模式相关性和词元成本之间的平衡。在Spider2-Snow上，EviLink实现了93.04％的字段级严格召回率，使用116.55K平均标记，并改进了固定生成器下的下游SQL生成。