MAC-SQL：多智能体协作的 Text-to-SQL
MAC-SQL (COLING 2025) 使用三个专用智能体——用于模式缩减的 Selector、用于问题分解的 Decomposer 以及用于执行引导的 SQL 纠错的 Refiner——在 BIRD 基准测试上达到了 59.59% 的执行准确率；消融实验表明 Refiner 的贡献最大（+4.63 分），这对 Beancount 账本查询生成具有直接意义。
#database
#database
MAC-SQL (COLING 2025) 使用三个专用智能体——用于模式缩减的 Selector、用于问题分解的 Decomposer 以及用于执行引导的 SQL 纠错的 Refiner——在 BIRD 基准测试上达到了 59.59% 的执行准确率；消融实验表明 Refiner 的贡献最大（+4.63 分），这对 Beancount 账本查询生成具有直接意义。
DIN-SQL 通过 schema-link 和自校正阶段，将 GPT-4 在 Spider 上的执行准确率从 67.4% 提升至 85.3%——这种分解同样适用于 Beancount BQL。
在BIRD上，GPT-4在领域提示下达到54.89%的执行准确率，无提示时为34.88%——这是任何Beancount NL→BQL界面必须缩小的20个百分点的差距。