😎一种多生成器集成的Text-to-SQL框架
为了应对大型语言模型在Text-to-SQL任务中的挑战，我们引入了XiYan-SQL，这是一个全新的框架，采用多生成器集成的策略来提高候选SQL的质量。为此，我们提出了M-Schema，一种半结构化的数据库schema表示方法，旨在增强模型对于数据库结构的理解能力。
然后，为了提高生成的候选SQL查询的质量和多样性，XiYan-SQL结合了ICL方法的巨大潜力和SFT方法的高可控性。一方面，我们提出了一系列训练策略，以微调模型生成高质量且具有不同偏好的候选。
另一方面，我们采用ICL的方法来提示LLM，并提出了一种基于命名实体识别的方法来选择ICL的样例，从而防止过度强调实体。
Refiner通过纠正逻辑或语法错误来进一步优化每个候选。为了应对识别最佳候选的挑战，我们微调了一个选择模型，用来区分候选SQL查询之间的细微差别。在多个方言的数据集上的实验结果表明，XiYan-SQL在不同场景中均具有鲁棒性。
总体而言，我们提出的 XiYan-SQL 在 Bird 测试中实现了 75.63% 的最佳执行准确率，在 Spider 测试集上实现了 89.65% 的最佳执行准确率，在 SQL-Eval 上实现了 69.86% 的最佳执行准确率，在 NL2GQL 上实现了 41.20% 的最佳执行准确率。该框架不仅提高了生成SQL查询的质量和多样性，而且优于以前的方法。
关键词：LLM，Text-to-SQL，NL2SQL
