مروری بر معماری‌ها و راهبردهای مدل‌های زبانی برای تبدیل متن به SQL

سامانه‌های Text-to-SQL پرسش‌های زبان طبیعی را به دستورهای اجرایی SQL تبدیل می‌کنند و دسترسی به داده‌های رابطه‌ای را آسان‌تر می‌سازند. پیش‌چاپی تازه در arXiv تحول این حوزه را بررسی می‌کند: روش‌های اولیه بر قواعد دست‌ساز و تطبیق قالب تکیه داشتند؛ سپس معماری‌های رمزگذار-رمزگشا، پیونددهی شِما و رمزگشایی مقید برای مدیریت پرسش‌های پیچیده‌تر به کار گرفته شدند.

به‌گفتهٔ چکیده، ظهور مدل‌های زبانی بزرگ پیشرفت چشمگیری در این حوزه به‌همراه داشته و دقت اجرای پرس‌وجوها را در بنچمارک‌هایی مانند Spider، Spider 2.0 و BIRD به سطحی تازه رسانده است. از نمونه‌های نام‌برده‌شده می‌توان به ReFoRCE، Agentar-Scale-SQL، Arctic-Text2SQL-R1 متعلق به Snowflake و چارچوب ماژولار XiYan-SQL اشاره کرد. چکیده همچنین به چارچوب‌های ماژولاری اشاره می‌کند که مسئله را به زیرمسئله‌ها تقسیم می‌کنند؛ متن ارائه‌شده جزئیات بیشتری دربارهٔ این راهبردها ندارد.