CoE-SQL：基于链式编辑的多轮文本到 SQL 的情境学习
计算与语言
2024-05-07 v1
摘要
最近，大型语言模型（LLM）在各类领域和任务中展现出惊人的能力。我们研究了多轮文本到 SQL 任务中的提示设计问题，旨在增强 LLM 在生成 SQL 查询时的推理能力。在对话上下文中，当前的 SQL 查询由于上下文依赖性，仅需针对前一个 SQL 查询进行少量操作即可进行修改。我们引入了一种称为 CoE-SQL 的方法，该方法可提示 LLM 基于先前生成的 SQL 查询以编辑链形式生成 SQL 查询。我们还进行了大量消融研究，以确定该方法的最佳配置。我们的做法稳定地优于不同的情境学习基线，在两个基准数据集 SParC 和 CoSQL 上实现了状态的最佳性能，这也与 SOTA 微调模型相当。
引用
@article{arxiv.2405.02712,
title = {CoE-SQL: In-Context Learning for Multi-Turn Text-to-SQL with Chain-of-Editions},
author = {Hanchong Zhang and Ruisheng Cao and Hongshen Xu and Lu Chen and Kai Yu},
journal= {arXiv preprint arXiv:2405.02712},
year = {2024}
}