EvoSQL：面向Text-to-SQL的记忆增强批评器—生成器协同进化

Text-to-SQL随大语言模型快速进步，但复杂数据库查询仍需一次生成之外的推理：多步分解、基于执行的诊断与定向修正。我们提出EvoSQL，一个把SQL合成表述为生成器与批评器迭代交互的协同进化框架：EvoSQL维护上下文化的候选记忆，以执行信号与LLM批评双重验证SQL候选，并经效用引导的聚合更新记忆。为强化底层的生成器—批评器对，我们进一步引入自蒸馏策略优化（SDPO）微调阶段：向现代编码LLM底座注入执行感知监督。在Spider与BIRD上的实验显示：EvoSQL持续使开源模型超过Maj@16基线，在BIRD-Dev上增益尤大——Qwen3-4B提升1.37%到Qwen2.5-Coder-3B提升9.19%；SDPO初始化进一步改善所选底座在Spider-Test与BIRD-Dev上的表现。结果表明记忆落地的协同进化是通往更可靠、更可泛化Text-to-SQL系统的有效路径。代码见https://github.com/valleysprings/EvoSQL。