FlexSQL: Flexible Exploration and Execution Make Better Text-to-SQL Agents
FlexSQL 引入了一个文本转 SQL 智能体，该智能体通过采用一种灵活的设计原则，在推理过程中支持动态模式探索、数据检查以及多样化的执行计划，并贯穿两层修复机制，从而在 Spider2-Snow 基准测试中超越了更强大的模型。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象你是一名侦探，试图解开一个谜团，但你的“案发现场”并非犯罪现场，而是一座拥有数百万本书籍、文件和数据点的庞大且混乱的图书馆。你的老板给你一个模糊的线索：“找出所有在 2014 年初提交的材料科学专利，并统计它们引用了多少篇旧专利。”
大多数试图解决此类问题的现有计算机程序表现得像僵硬的机器人。它们在开始时只获得一次图书馆地图。它们根据该地图挑选几个书架，写下一份指令清单（查询），然后尝试执行。如果它们卡住或答案错误，它们只能修正指令中的小拼写错误。它们无法回头说：“等等，我完全挑错了书架，”或者“我没意识到‘材料科学’被隐藏在像'MS-01'这样的代码下。”它们被困在最初的错误中。
FlexSQL 是一种新型侦探代理，表现得更像好奇的人类探索者。它不僵硬，而是灵活。以下是它的工作原理，使用简单的类比：
1. “灵活探索者”（灵活交互）
FlexSQL 不像机器人那样只看一次地图就锁定路径，而是被允许在思考过程中在图书馆里漫游。
- 旧方式：机器人查看地图，猜测“材料科学”在“科学”区，然后开始编写清单。
- FlexSQL 的方式：代理说：“我不确定‘材料科学’在哪里。让我走到‘技术’区，向箱子里窥探一下，并阅读标签。”
- 它使用特殊工具来浏览书架（模式），阅读箱子的实际内容（数据值），并运行小型测试搜索以验证其猜测是否合理。如果它意识到自己走错了过道，它可以立即转身前往正确的过道。它不会被困死胡同。
2. “头脑风暴团队”（多样化规划）
线索“每篇专利引用的早期专利”很棘手。它是指仅国内专利？也包括国外专利？还是待审申请？
- 旧方式：机器人选择一种解释（例如“仅国内”）并坚持到底。如果它是错的，整个答案就是错的。
- FlexSQL 的方式：它像一个进行头脑风暴的侦探团队。它同时生成多种不同的理论（计划）。
- 计划 A：仅统计国内引用。
- 计划 B：统计国内和国外引用。
- 计划 C：统计所有内容，包括待审申请。
它运行所有这些理论，然后让“多数投票”决定哪个答案最可能是正确的。这样，即使一个理论错了，团队仍可能得到正确答案。
3. “双语翻译员”（灵活执行）
有时，任务太复杂，无法写成单一的直线指令（SQL）。它可能需要循环、"if-then"决策，或者在数据库语言中难以编写的逐步计算。
- 旧方式：机器人试图将所有内容强行塞进一个僵硬的 SQL 句子中，这往往使其过于复杂且容易出错。
- FlexSQL 的方式：它是双语的。它可以用SQL（数据库使用的语言）或Python（一种灵活的编程语言）编写指令。
- 如果任务是一个简单的列表，它使用 SQL。
- 如果任务需要复杂的循环或逐步计算，它先编写 Python 脚本，因为这样思考更容易。
- 一旦 Python 脚本完美运行，它将最终结果翻译回 SQL，以便数据库理解。这就像先在笔记本上写下复杂的食谱，然后将其翻译成正式的厨房订单。
4. “重做”按钮（回溯）
如果 FlexSQL 制定了一个计划，然后意识到：“哦不，我完全误解了问题，”它不会只是尝试修复代码。它会按下回溯按钮。它会一直回到起点，重新检查图书馆书架，改变整个策略，并开始一个新计划。这防止了它浪费时间去修复一个破碎的基础。
结果
该论文在一个名为Spider2的非常困难的基准测试上测试了这种“灵活侦探”，该基准模拟了大规模的真实企业数据库。
- 得分：使用名为
gpt-oss-120b的模型，FlexSQL 得分为65.4%。 - 对比：这一得分高于其他使用更大、更强大模型（如
DeepSeek-R1或gpt-o3）的顶级系统。 - 结论：通过保持灵活——在图书馆漫游、头脑风暴多种理论、使用两种语言以及在需要时按下“撤销”——FlexSQL 比“僵硬机器人”更好地解决了问题，即使它的“大脑”更小。
简而言之，FlexSQL 证明，在大数据的复杂世界中，灵活性胜过僵化性。成为一个能够探索、适应和改变主意的代理，比顽固地遵循单一、预先写好的地图要好得多。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。