计算机应用

作者：吴定佳, 崔喆

单位：1.中国科学院 成都计算机应用研究所，成都 610213；2.中国科学院大学 计算机科学与技术学院，北京 100049

关键词：模式链接,大语言模型,Text-to-SQL,检索增强,上下文学习

基金：四川省自然科学基金资助项目(2024NSFSC0004)

针对大语言模型（LLM）在复杂多表数据库场景下生成结构化查询语言（SQL）的局限性，提出基于多生成器协同的Text-to-SQL框架——MG-SQL（Multi-Generator SQL）。首先，针对无关模式信息导致的噪声干扰，通过生成初始SQL，并结合语义相似度检索，提出增强模式链接优化方法。其次，为提高候选SQL的质量、增强多样性，基于精简模式构建多策略协同生成框架：1）使用经验生成器检索动态示例；2）使用思维链生成器强化逻辑推理；3）使用查询计划生成器模拟数据库的执行流程；4）使用渐进生成器进行迭代优化。再次，使用投票机制对SQL进行择优。最后，进一步提出反思学习机制，通过对比生成结果与参考SQL形成反思样本，动态构建领域经验库以实现持续学习。在BIRD基准测试中的结果表明，采用轻量级GPT-4o-mini模型时，所提框架的模式链接实现了98.89%的严格召回率（SRR），有效筛除了44.91%无关列；所提框架生成的SQL的执行准确率（EX）达69.69%，有效效率分数（VES）达79.59%，超越基于GPT-4o的主流方法，验证了所提框架在复杂场景下的有效性。

来源：2026年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第3期