摘要
针对大语言模型在处理大规模模式及多步推理的复杂文本转 SQL 任务中的局限,本文提出 AV-SQL 框架。该框架将复杂查询分解为专用智能体流水线,核心概念为“智能体视图”,即封装中间逻辑并过滤相关模式的公用表表达式。系统包含重写、视图生成及协同规划生成修订三个阶段。实验表明,AV-SQL 在 Spider 2.0 基准上执行准确率达 70.38%,显著优于现有最先进方法,同时在多个标准数据集上保持竞争力。
AI 推荐理由
论文提出多智能体流水线,核心在于任务分解与分步规划生成复杂 SQL。
研究机构
Griffith University (Australia)
The University of Queensland (Australia)
论文信息