SQLyzr：用于细粒度文本到SQL评估与分析的平台演示
数据库
2026-04-29 v3 人工智能
摘要
文本到SQL模型通过采用大型语言模型（LLM）显著提升，其正逐渐被应用于实际应用。尽管已存在许多用于评估文本到SQL模型性能的基准测试，但它们往往依赖单一综合得分，缺乏现实情景下的评估，以及对模型在不同查询类型下的行为提供有限的洞察。本文提出SQLyzr，一个综合性的文本到SQL模型基准测试与评估平台。SQLyzr融合多元化评估指标，捕捉生成查询的多个方面，同时通过与实际SQL使用模式和数据库规模的工作负载对齐，实现更真实的评估。平台进一步支持细粒度查询分类、错误分析和工作负载扩充，使用户能够更好地诊断和改进文本到SQL模型。本演示通过交互式体验展示了这些功能。通过SQLyzr的图形界面，用户可自定义评估设置，分析细粒度报告，探索平台的其他功能。我们设想SQLyzr通过解决现有基准测试的关键局限性，促进文本到SQL模型的评估与迭代改进。SQLyzr的源代码已公开于https://github.com/sepideh-abedini/SQLyzr。
引用
@article{arxiv.2604.21214,
title = {A Demonstration of SQLyzr: A Platform for Fine-Grained Text-to-SQL Evaluation and Analysis},
author = {Sepideh Abedini and M. Tamer Özsu},
journal= {arXiv preprint arXiv:2604.21214},
year = {2026}
}