基于结果奖励模型的 Text-to-SQL 测试时验证

提升大语言模型在 Text-to-SQL 等结构化推理任务中的推理可靠性是核心挑战。现有测试时策略依赖执行成功或输出频率等启发式信号，语义区分度有限。本文研究将结果奖励模型（ORMs）作为学习到的语义评分函数，用于测试时验证。提出 GradeSQL 框架，通过自动候选生成和基于执行的标签训练特定任务 ORM，无需人工标注。实验表明，基于 ORM 的选择策略在 BIRD 和 Spider 基准上显著优于传统方法，尤其在复杂查询上表现更佳，证明了其作为高效可扩展验证方案的有效性。