arXiv cs.CL· Ekata Mitra, Yufei Tao, Kamalamalini Nagasundaram, Ameeta Agrawal·· 10 小时前AI 评分31
GRIPS：面向 SQL 生成的预 SQL 接地信息实证研究
GRIPS: An Empirical Study of Pre-SQL Grounding Information for SQL Generation
AI 导读
GRIPS 是一种三阶段方法，在生成 SQL 前显式导出结构化预 SQL 接地信息，在 TempTabQA-C 和 BIRD 上，GRIPS-Adaptive 在 GPT-5-nano 与 Llama-70B 的 20 个设置中有 18 个优于 SQL Static，平均准确率提升 11.8 个百分点，模型调用 token 用量减少 47.8%。
正文 · AI 翻译
摘要：Text-to-SQL 系统可针对结构化数据回答自然语言问题，但在生成 SQL 之前，可能因将问题中的提及链接到错误的表、列、值或关系而失败。即便 SQL 有效，也可能返回错误答案。这引出一个核心问题：哪些 SQL 生成前的信息对 SQL 生成器有帮助，以及额外信息何时不再有帮助？我们在 TempTabQA-C 和 BIRD 上研究了这一问题。在经审计的 SQL Static 失败中，接地错误在两个基准上都是最大类别。我们提出 GRIPS（用于 SQL 生成的接地表示与输入处理），这是一种三阶段方法，通过推导结构化的 SQL 生成前信息，在查询生成前使这些决策显式化。在 GPT-5-nano 和 Llama-70B 上，GRIPS-Adaptive 在 20 个设置中的 18 个上优于 SQL Static，平均准确率提升 11.8 个百分点，同时将模型调用 token 用量减少 47.8%。我们的受控分析表明，哪些接地信息可以改进 SQL 生成，而增加更多 SQL 生成前信息并不能持续带来帮助。通过将问题输入接地与 SQL 生成分离，GRIPS 使 text-to-SQL 更准确、更高效，也更易于诊断。
| 评论： | 已被 PACLIC 40 (2026) 接收 |
| 主题： | 计算与语言 (cs.CL) |
| 引用为： | arXiv:2611.02314 [cs.CL] |
| （或 arXiv:2611.02314v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.02314 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Ekata Mitra [查看电子邮件]
[v1]
2026年11月2日星期一 00:03:50 UTC（1,430 KB）
来源：arXiv cs.CL · arxiv.org