MAG-SQL：利用多智能体生成方法提升文本到SQL转换精度至 61%

文本转 SQL 技术让普通用户能通过自然语言轻松查询数据库，但面对复杂数据库结构时，准确转换为 SQL 命令面临挑战。华南理工大学与清华大学研究团队提出了一种新方法——MAG-SQL（多智能生成模型），旨在提升这一过程的准确性。MAG-SQL 通过多个智能体合作，包括“软模式链接器”、“目标-条件分解器”、“子 SQL 生成器”和“子 SQL 修正器”，实现了复杂查询的逐步精确处理。在 BIRD 数据集上的测试显示，使用 GPT-4 模型时，MAG-SQL 的执行准确率达到 61.08%，超越了传统 GPT-4 的 46.35%。即使在使用 GPT-3.5 的情况下，准确率也达到了 57.62%，优于先前的 MAC-SQL 方法。MAG-SQL 的多步骤处理方式使其在复杂数据库查询中表现出色，展示了其在大语言模型应用中的潜力和广泛的适用性。