.png){kind=icon}
返回
EMLC: An extensible multi-level correction framework for text-to-SQL
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ipm.2025.104560.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为解决Text-to-SQL自校正的三个关键挑战，包括模式不匹配、结构不完整和语义验证弱，本文提出EMLC，一种可扩展的多级校正框架，该框架分层集成模式、骨架和执行校正。EMLC引入了一种双验证模式校正机制，结合基于大型语言模型（LLM）的预测与词元级映射，以实现精确的模式对齐。此外，它采用有监督微调骨架生成，通过抽象骨架比较检测并校正关键词级错误，而可执行性验证策略旨在进一步确保生成查询的语法完整性和语义保真度。EMLC支持与主流LLM的即插即用集成，并具有灵活的可扩展性。在SPIDER和BIRD数据集上的实验表明，EMLC实现了最先进的执行准确率，相较于基线方法提升了2–4%。消融研究进一步验证了各组件的独立贡献及其协同效应。
期刊
I
IF:
6.9
论文数:
5.2K
被引数:
1.4W
机构
引用论文
Multi-pattern retrieval-augmented framework for Text-to-SQL with Poincaré-Skeleton retrieval and meta-instruction reasoning多模式检索增强的Text-to-SQL框架，结合Poincaré-Skeleton检索和元指令推理
PREAI
分享收藏Benchmarking large language models for biomedical natural language processing applications and recommendations生物医学自然语言处理应用的大规模语言模型基准测试与建议.png)
NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Optimizing text-to-SQL conversion techniques through the integration of intelligent agents and large language models通过集成智能代理和大型语言模型优化文本到SQL的转换技术
OAAI
OAAI分享收藏 没有更多内容
没有更多内容