DBRAG：复杂数据库查询的多表检索增强生成

摘要

大语言模型的最新进展引入了对结构化数据进行推理的新功能，特别是通过可以分析表格的程序辅助工具。然而，许多现有方法解决单表场景或假设已经提供了相关表。在实践中，用户经常对整个数据库发出复杂的数据探索查询，其中相关信息可能分布在多个关系中。在这项工作中，我们介绍了 DBRAG，一种专为多表问答量身定制的检索增强生成框架。 DBRAG 首先使用离线表索引检索候选表，使用与查询相关的行丰富其摘要，并使用 LLM 对候选表重新排名。然后，程序辅助推理器选择所需的表并对其全部内容执行操作，从而保持初始提示上下文的紧凑。本研究中使用的 Spider、GeoQuery 和 ATIS 数据集上的实验证明了表检索和多表问答方面的改进。

DBRAG：复杂数据库查询的多表检索增强生成：论文原图 — 图 1：DBRAG 执行工作流程。表索引检索顶级 $K$ 候选者；行索引提供与查询相关的上下文行。 LLM 对候选者重新排序以选择顶级 $M$ 表。然后，这些表被传递给程序辅助推理器，该推理器使用多表 CoT 提示来生成最终答案。