论文：Grounding Natural Language to SQL Translation with Data-Based Self-Explanations
会议：ICDE 2025
作者：Yuankai Fan, Tonghui Ren, Can Huang, Zhenying He, X. Sean Wang
简介：自然语言数据库接口使非技术用户能够使用自然语言（NL）与数据进行交互。主流方法，无论是基于神经序列到序列（sequence-to-sequence）的技术，还是近期复杂的大规模语言模型（Large Language Models），通常以端到端的方式实现自然语言到SQL（NL2SQL）的翻译。然而，与人类一样，这些端到端翻译模型在第一次尝试时可能并不总能生成最佳的SQL输出。我们提出了CycleSQL，一种面向端到端翻译模型的迭代框架，旨在通过自我评估自主生成最佳输出。CycleSQL的核心思想是引入基于数据的查询结果自然语言解释，作为自我反馈，利用该反馈迭代验证翻译的正确性，从而提升整体翻译准确率。我们进行了广泛的实验，包括定量和定性评估，研究CycleSQL在五个广泛使用的基准数据集上应用于七种现有翻译模型的表现。结果表明：1) CYCLESQL引入的反馈循环可以持续提升现有模型的性能，特别是将CYCLESQL应用于RESDSQL时，在SPIDER基准数据集的验证集上取得了82.0%（+2.6%）的翻译准确率，在测试集上取得了81.6%（+3.2%）的翻译准确率；2) 生成的自然语言解释还能够为用户提供有意义的信息，有助于理解翻译结果，从而增强NL2SQL翻译的可解释性。
