AptMQL-Bench：访问模式驱动的文本到MQL基准

MongoDB等文档库是现代应用的核心基础设施，其自然语言接口（text-to-MQL）可让非专家无需掌握查询语言即可查询复杂的半结构化数据。该任务的进展依赖高质量基准，最实际的获得方式是把既有text-to-SQL基准转换到文档场景。不幸的是现有努力依赖启发式机械转换：文档schema镜像关系外键图，每个查询镜像其源SQL。我们的实验中这些方法使21个BIRD数据库中的6个无法迁移，其他库静默丢失至多25.9%的行，且所得schema的真值查询随数据扩大运行慢一个数量级以上。我们提出由编码智能体驱动、人在回路验证的转换管道：按预期访问模式设计每个文档schema，并把查询重写为MongoDB原生形式。应用于BIRD构建了基于访问模式的text-to-MQL基准AptMQL-Bench：21个面向文档的数据库、3186条自然语言请求及其MQL查询——数据库自SQLite无损迁移并高效扩展。最强模型Claude Opus 4.5在无外部知识证据下仅57.38%准确率，带证据70.34%，表明现实文本到MQL生成仍然困难。