Schema on the Inside：面向大规模文本到SQL的高效内置模式微调方法
计算与语言
2026-03-26 v1 人工智能
摘要
将大型专有API语言模型应用于文本到SQL任务存在关键行业挑战：依赖大型、模式密集的提示会导致高昂的每token API成本和高延迟，阻碍可扩展的生产部署。我们提出一种针对CriQ(继Dream11平台的姐妹应用)的专用、自托管8B参数模型，后者是印度最大的 fantasy sports平台(拥有2.5亿用户)中的一个对 cricket statistics进行查询的对话式机器人。我们采用创新的两阶段监督微调方法，使模型内部化整个数据库模式，无需长上下文提示。此举将输入token数降低至100以下(相较于1.7万token的基线)，用高效本地推理取代昂贵的外部API调用。最终系统实现98.4%的执行成功率和92.5%的语义准确率，显著优于使用Google Gemini Flash 2.0的提示工程基线(95.6%执行成功率，89.4%语义准确率)。这些结果表明，针对大规模生产环境中基于域特定、自托管语言模型的文本到SQL应用，存在实用的高精度、低延迟路径。
引用
@article{arxiv.2603.24023,
title = {Schema on the Inside: A Two-Phase Fine-Tuning Method for High-Efficiency Text-to-SQL at Scale},
author = {Chinmay Soni and Shivam Chourasia and Gaurav Kumar and Hitesh Kapoor},
journal= {arXiv preprint arXiv:2603.24023},
year = {2026}
}
备注
8 pages, 6 figures. Published in the Proceedings of the Fortieth AAAI Conference on Artificial Intelligence (AAAI-26), 2026