Text-to-SQL Reinforcement Learning Tool Use Agentic Learning
摘要

针对现有Text-to-SQL系统多轮交互中奖励信号稀疏的问题,提出SERL-SQL框架。该框架采用选择性执行反馈的强化学习方法,利用训练期教师模型结合执行结果对学生动作重新评分。通过计算师生似然差距并转化为掩码权重,仅对SQL和工具动作令牌重加权GRPO优势函数。实验表明,该方法在BIRD和Spider基准上取得优异性能,且基于奖励的选择策略接近最优上限,证明了其生成高质量候选方案的能力。

AI 推荐理由

论文聚焦Text-to-SQL任务,核心在于提升Agent的工具使用(SQL生成与执行)能力,属于技能学习范畴。

研究机构
浙江大学人工智能学院 ByteDance 杭州电子科技大学计算机科学与技术学院
论文信息
作者 Tao Liu, Tao Feng, Xiangheng Li, Jinwang Song, Yifan Li et al.
发布日期 2026-08-01
arXiv ID 2608.00485
相关性评分 9/10 (高度相关)