arXiv cs.AI· Anjali Vemula, Akshat Dasula·· 11 小时前AI 评分26
基于多智能体迭代自优化的 NL2SQL 框架
NL2SQL with Iterative Self-Refinement
AI 导读
研究者提出一种多智能体、角色驱动的 NL2SQL 框架，融合领域相关性检测、schema 知识构建、KPI 感知 SQL 合成、基于 sqlite 执行反馈的语法级自修复与 SQL-to-NL 反向工程的语义一致性检查。
正文 · AI 翻译
摘要：弥合人类意图与机器逻辑之间的差距，仍是让非技术用户获取数据时面临的关键挑战，而大型语言模型（LLM）仍不可靠：它们会臆造模式元素、生成语法无效的查询，或无法捕捉用户意图。这些局限在保险等领域尤为关键，因为该领域的 KPI、监管约束和遗留关系系统都要求高精度。我们提出了一种多智能体、角色驱动的 NL2SQL 框架，它结合了：（1）领域相关性检测，（2）基于模式的知识构建，（3）KPI 感知的 SQL 合成，（4）利用 sqlite 执行反馈进行语法级自我修复，以及（5）通过 SQL 到自然语言逆向工程进行语义一致性检查。与直接使用 LLM 提示相比，我们的系统显著减少了查询臆造并提升了语义保真度。在 60 条查询（50 条来自 HuggingFace text-to-SQL 数据集，10 条为自定义领域查询）上评估，该系统使用 Mistral 在七次协同的 LLM 调用中达到 90% 的正确率，表明这种方法可以大幅提升 NL2SQL 流水线在高风险环境中的可靠性。
| 主题： | 数据库（cs.DB）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.22968 [cs.DB] |
| （或 arXiv:2610.22968v1 [cs.DB] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.22968 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Anjali Vemula [查看电子邮件]
[v1]
2026年10月16日星期五 05:39:18 UTC（538 KB）
来源：arXiv cs.AI · arxiv.org