SOMA-SQL：通过合成日志和执行探测解决多源自然语言转 SQL 的歧义

针对自然语言转 SQL（NL2SQL）在真实场景中因问题未明确、模式庞大及解释歧义导致的脆弱性问题，本文提出 SOMA-SQL 方法。该方法不依赖人工澄清，而是通过构建合成查询日志来锚定模式解释，并基于结构化歧义分类和候选差异执行针对性探测查询，以生成消歧证据用于最终 SQL 的选择与修复。实验表明，SOMA-SQL 在六个基准测试中平均执行准确率比最先进基线提高 13.0%，在歧义问题上提升高达 16.7%。