SQLens：面向 LLM 生成 SQL 错误检测与纠正的端到端框架
计算与语言
2025-06-06 v1
摘要
文本到 SQL 系统将自然语言（NL）问题翻译为 SQL 查询，使非技术用户能够与结构化数据交互。虽然大型语言模型（LLM）在文本到 SQL 任务上显示出色，但常常生成在语法上有效却在语义上错误的查询，且对其可靠性缺乏洞察。我们提出 SQLens，一个用于精细检测和纠正 LLM 生成 SQL 语义错误的端到端框架。SQLens 集成底层数据库和 LLM 的错误信号，以识别 SQL 子句中潜在语义错误的可能性。它进一步利用这些信号指导查询纠正。在两个公开基准测试上进行的实证结果表明，SQLens 在错误检测 F1 分数上超过最佳 LLM 自评估方法了 25.78%，并将开箱即用的文本到 SQL 系统执行准确率提升了最高 20%。
引用
@article{arxiv.2506.04494,
title = {SQLens: An End-to-End Framework for Error Detection and Correction in Text-to-SQL},
author = {Yue Gong and Chuan Lei and Xiao Qin and Kapil Vaidya and Balakrishnan Narayanaswamy and Tim Kraska},
journal= {arXiv preprint arXiv:2506.04494},
year = {2025}
}