返回
Q-value guided Text-to-SQL generation: Structured reasoning meets efficient inference exploration
DOI:10.1016/j.ipm.2025.104607.png)
摘要
En 中文
• 一种逐步链式思维分解生成方法,模拟人类逐步推理,显著提高SQL准确性。
• 一种带有共识过滤增强的MCTS框架,能够在Q值训练期间抑制误导性中间输出。
• 一种内存高效的Q值网络,能够与LLM解码无缝集成,实现快速推理且不牺牲性能。
期刊
I
IF:
6.9
论文数:
576
被引数:
0
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
Adapt and Decompose: Efficient Generalization of Text-to-SQL via Domain Adapted Least-To-Most Prompting适应与分解:通过领域适应的最少到最多提示实现文本到SQL的高效泛化
ACT-SQL: In-Context Learning for Text-to-SQL with Automatically-Generated Chain-of-ThoughtACT-SQL:用于文本到SQL的上下文学习,带有自动生成的思维链

