LinkAlign：面向真实世界大规模多数据库 Text-to-SQL 的可扩展模式链接
计算与语言
2025-09-09 v4
摘要
模式链接是将现有 Text-to-SQL 模型应用于真实世界大规模、多数据库环境的关键瓶颈。通过错误分析，我们识别出模式链接中的两大挑战：(1) 数据库检索：从大型模式池中准确选择目标数据库，同时有效过滤无关数据库；以及 (2) 模式项定位：在复杂且通常冗余的模式中精确识别相关表和列以生成 SQL。基于此，我们引入了 LinkAlign，一种专为拥有数千个字段的大规模数据库量身定制的新框架。LinkAlign 包含三个关键步骤：针对挑战 1 的多轮语义增强检索与无关信息隔离，以及针对挑战 2 的模式提取增强。每个阶段均支持 Agent 和 Pipeline 执行模式，通过模块化设计实现效率与性能的平衡。为实现更真实的评估，我们构建了 AmbiDB，一个旨在反映真实世界模式链接歧义性的合成数据集。在广泛使用的 Text-to-SQL 基准测试上的实验表明，LinkAlign 在所有模式链接指标上均持续优于现有基线。值得注意的是，它改进了整体 Text-to-SQL 流程，并在 Spider 2.0-Lite 基准测试上仅使用开源 LLM 即取得了 33.09% 的最新最优分数，在提交时排名第一。代码可在 https://github.com/Satissss/LinkAlign 获取。
关键词
引用
@article{arxiv.2503.18596,
title = {LinkAlign: Scalable Schema Linking for Real-World Large-Scale Multi-Database Text-to-SQL},
author = {Yihan Wang and Peiyu Liu and Xin Yang},
journal= {arXiv preprint arXiv:2503.18596},
year = {2025}
}