深度分析
CHS-SQL：以小型語言模型精準平衡 Text-to-SQL 的召回率與精確度
Text-to-SQL 常因 Schema Linking 階段精確度與召回率失衡而影響準確率。CHS-SQL 提出基於小型語言模型的新框架，透過波束搜尋與模型內部信心度機制，可量化調整兩者平衡，在 SPIDER 與 BIRD 基準測試中以單張 RTX 4090 創下 SOTA 成績。
Text-to-SQL
SQLBot
SQLBot 開源問數系統：結合 RAG 與 LLM 的對話式數據分析工具
SQLBot 是一套基於大型語言模型與檢索增強生成（RAG）的開源智能問數系統，由 DataEase 專案組開發。它讓使用者透過自然語言對話即可查詢資料庫、取得視覺化圖表，並支援進一步的智能分析。該專案在 GitHub 上已獲得超過 6,400 顆星，強調開箱即用、安全可控與易於整合，並相容多種主流大模型服務商。
速報
Template Constrained Decoding (TeCoD)：提升 Text-to-SQL 準確度與效能的新框架
大型語言模型在 Text‑to‑SQL 上雖已顯著進步，但面對未見過的資料庫結構仍易產生錯誤。研究者推出 TeCoD，將歷史 NL‑SQL 配對轉為可重用模板，並以微調的自然語言推理模型快速匹配查詢，接著以文法限制的分割解碼確保 SQL 合法。實驗顯示，TeCoD 在正確率上較傳統方法提升最高 36%，執行延遲降低至 2.2 倍。
深度分析
以語意監督為核心的 Text-to-SQL 合成方法：SemanticAgent 架構與實驗結果
SemanticAgent提出一套以顯式語意監督驅動的text-to-SQL合成流程，將合成任務拆成語意分析、受控撰寫與診斷驗證三個模組。系統從資料樣本與DDL抽取多層次語意知識，建立可檢索的知識庫，並在逐步生成過程中以語意約束指導SQL與問題的產生與修正。