QDA-SQL：面向多轮文本到SQL的问答增强对话数据扩充
人工智能
2024-11-12 v2 数据库
信息检索
摘要
针对特定领域任务微调大型语言模型（LLMs）在文本到SQL任务中取得了巨大成功。然而，这些微调后的模型在处理由模糊或不可回答问题引起的多轮文本到SQL任务时常常面临挑战。需要增强LLMs以处理多轮文本到SQL任务中的多种类型问题。为解决此问题，我们提出了一种新颖的数据扩充方法，称为QDA-SQL，该方法使用LLMs生成多种类型的多轮问答对。在QDA-SQL中，我们引入了一种结合验证和纠正机制的方法来处理复杂的多轮文本到SQL任务。实验结果表明，QDA-SQL使微调后的模型在SQL语句准确性上表现出更高的性能，并增强了它们处理多轮文本到SQL任务中复杂、不可回答问题的能力。生成脚本和测试集已在https://github.com/mcxiaoxiao/QDA-SQL发布。
引用
@article{arxiv.2406.10593,
title = {QDA-SQL: Questions Enhanced Dialogue Augmentation for Multi-Turn Text-to-SQL},
author = {Yinggang Sun and Ziming Guo and Haining Yu and Chuanyi Liu and Xiang Li and Bingxuan Wang and Xiangzhan Yu and Tiancheng Zhao},
journal= {arXiv preprint arXiv:2406.10593},
year = {2024}
}
备注
10 pages, 9 figures