ACT-SQL：用于文本到 SQL 的自动生成思维链的上下文学习
计算与语言
2023-10-27 v1
摘要
近来，大语言模型(LLMs)已被证明在多个领域和任务中具有强大能力。我们研究文本到 SQL 任务中的提示设计问题，并尝试提升 LLMs 在生成 SQL 查询时的推理能力。除平凡的少样本上下文学习设置外，我们以类似于模式链接的方法设计了思维链(CoT)提示。我们提出了一种名为 ACT-SQL 的方法，可自动生成自动思维链示例，因此整个过程无需人工标注。我们的方法节省成本，因为在生成一条 SQL 查询时仅调用一次 LLMs 的 API。此外，我们将上下文学习方法扩展到多轮文本到 SQL 任务。实验结果表明，LLMs 的性能可从我们的 ACT-SQL 方法中获益。我们的方法在现有上下文学习方法中于 Spider 开发集上取得了 SOTA 性能。
引用
@article{arxiv.2310.17342,
title = {ACT-SQL: In-Context Learning for Text-to-SQL with Automatically-Generated Chain-of-Thought},
author = {Hanchong Zhang and Ruisheng Cao and Lu Chen and Hongshen Xu and Kai Yu},
journal= {arXiv preprint arXiv:2310.17342},
year = {2023}
}