arXiv cs.CL· Dong-Jae Koh, Huisu Kim, SeongHwan Yoon, Lasse M. Jantsch, Chun-Hee Lee, Seonghyeon Lee, Young-Kyoon Suh·· 12 小时前AI 评分31
LLM 能否完成数据库规范化？DNBENCH 基准与多智能体框架 MARS 发布
Can LLMs Normalize Databases? A Benchmark and Multi-Agent Framework for Schema Normalization
AI 导读
研究团队提出 Database Normalization Benchmark（DNBENCH），含 3,275 个样本，用三轴协议从 1NF 到 BCNF 评估 LLM 驱动的数据库规范化，覆盖 Single、Complex、Real World 三个难度层级，揭示依赖推断、模式分解与跨表约束重建的反复失败。
正文 · AI 翻译
摘要：大型语言模型（LLM）越来越多地被用于生成结构化输出，但当这些输出必须满足数据库级约束时，其可靠性仍不明确。我们通过数据库规范化来研究这一问题，涉及对函数依赖、无损连接分解以及表间约束的推理。我们提出了一个数据库规范化基准（DNBENCH），包含 3,275 个样本，用于评估 LLM 驱动的从 1NF 到 BCNF 的数据库规范化。DNBENCH 采用三轴协议来衡量语义等价性、结构准确性和逻辑有效性。在 Single、Complex 和 Real World 三个层级上，DNBENCH 揭示了在依赖推断、模式分解和表间约束重建方面反复出现的失败。我们进一步提出了模式多智能体推理（MARS），它将证据提取、违规诊断和分解规划与模式生成和验证分离开来。与单提示基线相比，MARS 将 DNB-SCORE 提高了 82.0%。所有成果将在论文被接收后发布。
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2609.11141 [cs.CL] |
| （或 arXiv:2609.11141v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.11141 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Dong Jae Koh [查看电子邮件]
[v1]
2026年9月10日星期四 06:34:35 UTC（11,388 KB）
[v2]
2026年10月21日星期三 11:41:32 UTC（13,261 KB）
来源：arXiv cs.CL · arxiv.org