REFORMER：一种由 ChatGPT 驱动的数据合成框架提升文本到 SQL 模型性能
机器学习
2025-04-08 v1 人工智能
摘要
现有的文本到 SQL 模型因训练数据不足而受限，阻碍了 SQL 查询在新领域的充分应用。为解决这一挑战，已采用各种数据合成技术生成更具多样性和更高质量的数据。本文提出 REFORMER 框架，利用 ChatGPT 的强大功能（无需额外训练），以便针对新领域合成（问题、SQL 查询）对。我们的数据增强方法基于“检索-编辑”方法，借助 ChatGPT 通过填充被遮盖的问句来生成新问题。此外，我们证明在恰当地应用情况下，循环一致性仍是一种有价值的数据验证方法。我们的实验结果表明，REFORMER 持续地优于以前的数据增强方法。为进一步探讨 ChatGPT 的潜力并创建通用的数据增强方法，我们还通过对数据集中的问题进行改写以及通过 ChatGPT 生成的新 SQL 查询描述进行改写来生成新数据。我们的结果确认，改写由 ChatGPT 生成的问题有助于增强原始数据。
引用
@article{arxiv.2504.04363,
title = {REFORMER: A ChatGPT-Driven Data Synthesis Framework Elevating Text-to-SQL Models},
author = {Shenyang Liu and Saleh Almohaimeed and Liqiang Wang},
journal= {arXiv preprint arXiv:2504.04363},
year = {2025}
}
备注
2024 International Conference on Machine Learning and Applications (ICMLA)