面向文本到SQL的轻量MCTS模块化推理方法——IESR
计算与语言
2026-02-06 v1
摘要
文本到SQL是将自然语言问题映射到SQL查询的关键自然语言处理任务，使人们能够通过直观方式与基于Web的数据库进行交互。虽然当前方法在BIRD和Spider等基准测试上表现良好，但在处理复杂推理、领域知识和假设性查询方面仍存在挑战，并且在企业部署方面成本高昂。为此，我们提出了名为IESR(Information Enhanced Structured Reasoning)的框架，用于轻量级大语言模型：(i)利用LLM进行关键信息理解和模式链接，并解耦数学计算与SQL生成，(ii)集成基于蒙特卡洛树搜索(MCTS)的多路径推理机制并采用多数投票，(iii)引入轨迹一致性验证模块，该模块使用判别模型确保准确性和一致性。实验结果表明，IESR仅使用紧凑轻量级模型（无需微调）即可在复杂推理基准LogicCat(24.28 EX)和Archer数据集(37.28 EX)上实现最先进的性能。进一步的分析揭示，当前编码模型在物理知识、数学计算和常识推理方面存在显著偏差和不足，凸显了未来研究的重要方向。我们已在https://github.com/Ffunkytao/IESR-SLM发布代码。
引用
@article{arxiv.2602.05385,
title = {IESR:Efficient MCTS-Based Modular Reasoning for Text-to-SQL with Large Language Models},
author = {Tao Liu and Jiafan Lu and Bohan Yu and Pengcheng Wu and Liu Haixin and Guoyu Xu and Li Xiangheng and Lixiao Li and Jiaming Hou and Zhao Shijun and Xinglin Lyu and Kunli Zhang and Yuxiang Jia and Hongyin Zan},
journal= {arXiv preprint arXiv:2602.05385},
year = {2026}
}
备注
25 pages, 16 figures, 8 tables. Hongyin Zan is corresponding author, Jiafan Lu is first co-author