通过自增强微调集成 Text-to-SQL 中的推理与泛化能力

Text-to-SQL 旨在将自然语言问题转化为可执行的 SQL 查询。针对现有大模型方法难以平衡强推理能力与鲁棒泛化性的局限，本文提出 CoTE-SQL 框架。该框架包含三大创新：无需人工标注的自增强推理迹蒸馏、结合模块化分解与示例检索的结构化思维链提示，以及基于 SQL 执行反馈的误差感知修正。在 Spider 和 Bird 基准上的实验表明，CoTE-SQL 在同等规模的开源模型中取得了最先进性能，尤其在复杂查询上增益显著，验证了结合自增强、结构化推理与执行时反馈的有效性。