ACE-SQL：以执行反馈联合优化模式检索与SQL生成

文本到 SQL 将自然语言问题映射到可执行的 SQL 查询。现代数据库通常包含大型且复杂的模式，这使得模式链接成为准确 SQL 生成的关键步骤。现有方法要么依赖于全模式生成，这使得模式链接隐含在大型搜索空间中，要么使用经过静态标准列标签监督训练的单独 检索器，其目标对于当前生成器策略来说可能不是最佳的。为了解决这个问题，我们提出了通过文本到 SQL 经验贡献分配的自适应协同优化 (ACE-SQL)，这是一种强化学习 (RL) 框架，可在执行反馈下联合优化模式检索和 SQL 生成。 ACE-SQL 从生成器采样轨迹构建在线列集池，并从最常与执行正确采样轨迹关联的列集派生自适应 同策略 检索目标。这会引起双向适应，其中 检索器 适应生成器可以正确执行的列集，而生成器适应 检索器 在执行反馈下不断发展的模式选择。通过大约 3k 个用于 RL 训练的合成文本到 SQL 问题数据库对，ACE-SQL 在 BIRD Dev 上实现了 65.3% 的贪婪执行精度，同时每个查询使用 0.93k 个输出标记。该存储库位于 https://github.com/xbchen1/ACE-SQL。