MQA-SQL: Mitigating Question Ambiguity in Text-to-SQL with Multi-model Collaboration and Multi-variant Query Rephrasing

doi:10.1007/978-981-95-3346-6_22

MQA-SQL: Mitigating Question Ambiguity in Text-to-SQL with Multi-model Collaboration and Multi-variant Query Rephrasing

2026-01-01

0

PRE

AI

DOI：10.1007/978-981-95-3346-6_22

原文链接

原文求助

摘要

En 中文

基于大型语言模型（LLM）的方法已成为文本到SQL任务中的关键。然而，这些方法难以有效缓解问题歧义，从而限制了其实际应用价值。为解决此问题，我们提出MQA-SQL，其包含以下阶段：（1）初步SQL生成：MQA-SQL通过监督微调利用多个开源LLM初步生成SQL，为后续过程提供坚实基础；（2）基于重述问题的SQL生成：该框架通过生成原始问题的多个重述变体来提升对用户意图的理解。第一阶段生成的SQL候选结果随后由闭源LLM基于原始问题和重述问题进行合成，以增强SQL生成。最终SQL根据这些候选结果的执行结果一致性进行选择。在多样化数据集上的广泛实验证实了MQA-SQL在提升SQL生成方面的有效性。

Keyword:

Text to SQL

Question Ambiguity

Large Language Model

MQA-SQL: Mitigating Question Ambiguity in Text-to-SQL with Multi-model Collaboration and Multi-variant Query Rephrasing

摘要

期刊

机构