AgentNLQ: 一種面向自然語言到SQL的通用智慧體
本研究提出一種多智慧體方法AgentNLQ，在BIRD基準上實現了78.1%的語義準確率，透過語義增強的架構表示和業務規則生成準確SQL查詢，其關鍵創新包括最佳化編排器、先進架構增強方法，並證明了其跨域泛化能力。
來源arXiv AI作者: Olena Bogdanov, Yeunji Jung, Chandra Dhir, Pareekshitreddy Gaddam, Saurabh Jain, Lakshmi Tumati, Vijay Parthasarathy, Anup Shirgaonkar
自然語言轉SQL（NL2SQL）轉換是研究人員和企業面臨的重要問題，因為關聯式資料庫在廣泛的實際問題中具有普遍重要性。儘管LLM的能力迅速提升，但NL2SQL在準確性上仍未達到人類專家SQL編寫者的水平，因此需要進一步改進NL2SQL演算法。
本研究提出了一種新的多智慧體方法AgentNLQ，用於NL2SQL轉換，在BIRD（大規模資料庫大數據基準）上實現了78.1%的語義準確率。該方法利用使用者提供的架構的語義增強表示，新增使用者提供的業務規則，並生成準確的SQL查詢。
主要貢獻包括：（a）我們設計了一個最佳化的新編排器，在多智慧體解決方案中使用LLM進行規劃、編排、反思和自我糾正，以生成準確的SQL查詢；（b）我們開發了一種先進的架構增強方法，建立上下文感知的後設資料以提高準確性；（c）我們透過在BIRD-SQL基準上的評估，展示了該方法在不同領域和資料集上的準確性和泛化能力。
AgentNLQ代表了NL2SQL領域的重要進步，為將自然語言查詢準確轉換為SQL提供了一種通用的、多智慧體的解決方案。該方法於2026年5月18日提交至arXiv，由Olena Bogdanov等八位作者共同完成。其多智慧體架構包括規劃器、編排器、反射器等多個元件，能夠協同工作以處理複雜的SQL生成任務。透過利用LLM的推理能力，AgentNLQ在多個領域的資料集上均展現出優異的效能，為實際應用中的資料庫查詢自動化提供了新的可能性。