SDAM：复杂文本到 SQL 的结构差异感知内存演进

Text-to-SQL 旨在将自然语言问题转换为可执行的 SQL 查询。虽然基于内存的代理系统改进了复杂的 SQL 生成，但现有的内存设计忽视了历史经验，存在结构分析薄弱、语义理解浅薄和模式对齐不佳的问题。为了应对这些挑战，我们提出了 SDAM。具体来说，SDAM 通过结构差异感知推理树识别潜在错误，通过矛盾感知反射提取深层语义规则，并使用基于模式的内存演化机制将内存与数据库模式绑定来增强结构一致性。我们将 SDAM 集成到名为 SDAM-SQL 的文本到 SQL 框架中。实验表明，与主流的Text-to-SQL方法相比，SDAM-SQL在BIRD-dev和Spider-test上分别实现了2.0和0.4的改进，显示了SDAM-SQL的有效性。