DualSQL：具有多代理强化学习的文本到 SQL

最先进的文本到 SQL 系统通常是围绕两个基本任务的多代理管道：模式链接和 SQL 生成。然而，现有的工作为每个任务训练单独的模型，未能利用这些相互关联的任务之间的协同作用。在这项工作中，我们提出了 DualSQL，这是一种新的文本到 SQL 系统，由两个由单一模型主干驱动的代理组成。这些代理共享相同的模型权重和代理支架，通过强大的多代理强化学习 (RL) 框架实现联合优化。我们设计了三种数据库访问工具，以促进基于与数据库交互的有效多步骤推理。为了改进训练并避免模型崩溃，我们引入了一套可稳定多智能体强化学习训练的 rollout 护栏机制，支持 DualSQL 在训练过程中不断改进。我们还引入了一个新的 SQL 正确性指标，即鲁棒执行匹配（REX），以更准确地判断 SQL 正确性并分配奖励信号。仅经过 3755 个示例的训练，DualSQL-4B 在 BIRD 开发集上就实现了令人印象深刻的 68.0% 执行精度，与之前的 7B 模型相匹配。 DualSQL-8B 进一步提升至 71.1%，优于之前具有 32B 参数的最先进的单模型解决方案。这些结果证明了联合多智能体强化学习在构建高性能文本到 SQL 管道方面的优势。