元鉴
返回中文阅读流
arXiv2026-06-11

TAHOE:基于经验的自动提示优化 Text-to-SQL

LLM 通过 Text-to-SQL 普及数据库访问,但生产落地仍困难。Tahoe 将提示优化视为动态数据管理问题。

摘要已翻译professional source英文原文正文翻译排队
正文翻译排队

该来源正文已进入翻译队列,中文正文生成前先展示摘要和原始出处入口。

摘要

LLM 通过 Text-to-SQL 普及数据库访问,但生产落地仍困难。Tahoe 将提示优化视为动态数据管理问题。

计算机科学 > 数据库

[提交于 2026 年 6 月 10 日]

标题:TAHOE:基于经验的自动提示优化 Text-to-SQL

View PDF HTML (experimental)
摘要:大型语言模型(LLMs)通过 Text-to-SQL 普及了数据库访问,但从原型走向生产仍然困难。实际部署必须处理严格的 SQL 方言、海量模式以及不断演变的用户偏好,而监督式微调成本高且僵硬,智能体式测试时扩展也十分昂贵。我们提出 Tahoe,这是一个将提示优化视为动态数据管理问题的系统。Tahoe 在开发和部署阶段使用错误驱动的提示学习流水线,将调试轨迹整合为结构化的 Hint Bank。编译器反馈被提炼为可复用的 Syntax Hints,用于方言特定规则;执行反馈和用户反馈则被转换为 Semantic Hints,用于模式和用户特定逻辑。Tahoe 进一步引入 Strategy Layer,将相互冲突的用户意图建模为共享自然条件下的竞争策略
Subjects: 数据库(cs.DB); Artificial Intelligence (cs.AI) Cite as: arXiv:2606.12387 [cs.DB]   (or arXiv:2606.12387v1 [cs.DB] for this version)   https://doi.org/10.48550/arXiv.2606.12387
聚焦以了解更多
arXiv-issued DOI via DataCite (pending registration)

提交历史

From: Zhiyi Chen [view email]
[v1] Wed, 10 Jun 2026 17:52:15 UTC (137 KB)
全文链接:

访问论文:

当前浏览上下文:

正文:cs.DB
< prev   |   next >
Change to browse by:

参考文献与引用

  • 正文:NASA ADS
  • 正文:Google Scholar
  • 正文:Semantic Scholar
export BibTeX citation 正在加载...

BibTeX 格式引用

×
正在加载...
数据提供方:

收藏

BibSonomy Reddit
Bibliographic Tools

书目与引用工具

书目浏览器开关
书目浏览器 (What is the Explorer?)
Connected Papers 开关
正文:Connected Papers (What is Connected Papers?)
Litmaps 开关
正文:Litmaps (What is Litmaps?)
scite.ai 开关
正文:scite Smart Citations (What are Smart Citations?)
Code, Data, Media

与本文相关的代码、数据和媒体

alphaXiv 开关
正文:alphaXiv (What is alphaXiv?)
代码链接开关
CatalyzeX 论文代码查找器 (What is CatalyzeX?)
DagsHub 开关
正文:DagsHub (What is DagsHub?)
GotitPub 开关
正文:Gotit.pub (What is GotitPub?)
Huggingface 开关
正文:Hugging Face (What is Huggingface?)
ScienceCast 开关
正文:ScienceCast (What is ScienceCast?)
Demos

演示

Replicate 开关
正文:Replicate (What is Replicate?)
Spaces 开关
正文:Hugging Face Spaces (What is Spaces?)
Spaces 开关
正文:TXYZ.AI (What is TXYZ.AI?)
Related Papers

推荐与搜索工具

链接到 Influence Flower
正文:Influence Flower (What are Influence Flowers?)
CORE 推荐器 (What is CORE?)
  • 作者
  • 发表场所
  • 机构
  • 主题
About arXivLabs

arXivLabs:与社区合作者开展的实验性项目

arXivLabs 是一个框架,允许合作者直接在我们的网站上开发并分享新的 arXiv 功能。

与 arXivLabs 合作的个人和组织均已认同并接受我们关于开放、社区、卓越和用户数据隐私的价值观。arXiv 致力于这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有能为 arXiv 社区增加价值的项目想法吗?了解更多关于 arXivLabs 的信息。