基于强化学习的文本到 SPARQL 生成：一种在 DBLP 上基于 GRPO 的方法

知识图谱问答旨在将自然语言问题转化为可执行查询，但现有方法常依赖大模型或全监督标注。本研究探讨能否利用基于结果的强化学习奖励，训练小型指令微调语言模型在学术领域进行零样本文本到 SPARQL 生成。研究在 DBLP-QuAD 数据集上对 Qwen3-1.7B 模型应用群相对策略优化（GRPO），结合实体与关系的符号提示。训练利用执行反馈、结构约束及答案级奖励。结果显示，GRPO 显著优于零样本基线并具备竞争力泛化能力，而监督 DoRA 微调准确率更高。消融实验表明执行奖励是主要增益来源。