Este conteúdo apresenta uma avaliação exaustiva da capacidade do ChatGPT de converter texto em SQL de forma zero-shot, ou seja, sem exemplos prévios. Ele explora o desempenho e as limitações do modelo nesta tarefa complexa.
DivSkill-SQL introduz uma estrutura de otimização de habilidades residuais para construir conjuntos de Text-to-SQL complementares, melhorando a precisão ao focar nas contribuições marginais para Pass@K. Ele alcança ganhos significativos de precisão no Spider2-Lite para Snowflake e BigQuery em relação às linhas de base de conjunto existentes.
Este artigo propõe uma estrutura Text-to-SQL consciente do conhecimento para converter perguntas de linguagem natural em consultas SQL, mesmo em cenários de poucos recursos. Ele aborda desafios como escassez de dados anotados e definições de esquema opacas, injetando conhecimento específico da tarefa no treinamento e inferência.
Esta pesquisa apresenta o EnterpriseMem-Bench, um novo benchmark multi-turn Text-to-SQL com 300 sessões e 1.400 turnos de domínios empresariais. Ele avalia empiricamente cinco modelos de ponta, incluindo variantes GPT e Claude, revelando que modelos Text-to-SQL multi-turn sem estado atingem precisão de execução zero na Turno 3.