EviLink：基于不确定性引导证据获取的多路径模式链接
计算与语言
2026-05-29 v1 人工智能
摘要
模式链接是大规模 Text-to-SQL 中的一个困难且重要的步骤，系统必须从大型且模糊不清的数据库中识别一个紧凑且充分的模式上下文。现有方法常将模式链接视为围绕单一 SQL 路径的确定性选择，但复杂问题可能包含多个有效实现，具有不同的模式需求。我们重新构建模式链接，将其视为对多个合理 SQL 路径中不确定性感知的模式需求推断，其中系统区分必需的模式项目与路径相关的不确定性项目，并仅在需要时获取证据。我们以 EviLink 实现了这一重新构建，结合了多假设模式 grounding 与不确定性引导的证据获取。在 BIRD-Dev 和 Spider2-Snow 上的实验表明，这种方法在模式完整性、模式相关性和 token 成本之间取得了更好的平衡。在 Spider2-Snow 上，EviLink 实现了 90.15% 的字段级严格召回率，使用 123.30K 的平均 token 数，并在固定生成器下提升了下游 SQL 生成效果。
关键词
引用
@article{arxiv.2605.29670,
title = {EviLink: Multi-Path Schema Linking with Uncertainty-Guided Evidence Acquisition for Large-Scale Text-to-SQL},
author = {Huawei Zheng and Sen Yang and Zhaorui Yang and Yuhui Zhang and Haozhe Feng and Haoxuan Li and Xuan Yi and Chao Hu and Defeng Xie and Chen Hou and Danqing Huang and Wei Chen and Yingcai Wu and Peng Chen and Dazhen Deng},
journal= {arXiv preprint arXiv:2605.29670},
year = {2026}
}