GBV-SQL：面向多智能体Text2SQL的引导生成与SQL2Text回译验证
人工智能
2025-09-17 v1
摘要
尽管 Large Language Models 显著推进了 Text2SQL 生成，但仍存在一个关键的语义鸿沟，即语法有效的查询常常误解用户意图。为缓解这一挑战，我们提出了 GBV-SQL，这是一种引入引导生成与 SQL2Text 回译验证的新型多智能体框架。该机制使用专门的智能体将生成的 SQL 翻译回自然语言，以验证其与原始问题的逻辑一致性。至关重要的是，我们的调查揭示，当前的评估受到一个系统性问题的损害：基准测试本身的质量不佳。我们引入了“Gold Errors”的形式化分类，即真值数据中普遍存在的缺陷，并展示了它们如何掩盖真实的模型性能。在具有挑战性的 BIRD 基准上，GBV-SQL 达到了 63.23% 的执行准确率，绝对提升了 5.8%。在移除有缺陷的样本后，GBV-SQL 在 Spider 基准上达到了 96.5% (开发集) 和 97.6% (测试集) 的执行准确率。我们的工作既提供了一个用于语义验证的稳健框架，也提供了关于基准完整性的批判性视角，突出了对更严格数据集整理的需求。
引用
@article{arxiv.2509.12612,
title = {GBV-SQL: Guided Generation and SQL2Text Back-Translation Validation for Multi-Agent Text2SQL},
author = {Daojun Chen and Xi Wang and Shenyuan Ren and Qingzhi Ma and Pengpeng Zhao and An Liu},
journal= {arXiv preprint arXiv:2509.12612},
year = {2025}
}