多智能体自修正NL2SQL框架论文：Mistral七次调用达90%正确率

Anjali Vemula 和 Akshat Dasula 在 arXiv 论文（arXiv:2610.22968）中提出一个多智能体、人格驱动的 NL2SQL 框架，包含五个环节：领域相关性检测、基于 schema 的知识构建、KPI 感知的 SQL 合成、利用 sqlite 执行反馈的语法自修复，以及通过 SQL-to-NL 逆向工程做语义一致性检查。 作者称，在 60 个查询（50 个来自 HuggingFace text-to-SQL 数据集、10 个自定义领域查询）上，使用 Mistral 模型、每次查询经七个协同 LLM 调用，系统达到 90% 正确率。该结果为作者在小规模测试集上的评估，尚无独立复现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。