NL2SQL的任务是将自然语言问题转换为SQL查询，以便从数据库中获取答案。现有LLM来指导SQL生成的方法在处理大型数据库和复杂多表查询时存在挑战，尤其是在处理冗余信息和提高提示工程效率方面。

(a) 利用大型语言模型（LLM）解决文本到SQL任务的一个示例。(b) DPR模型和提出的RB模型的图表。与DPR模型相比，RB模型将输入从文档扩展到其他数据类型（即表格、列、SQL框架）。

为了解决上述问题，提出了RB-SQL框架，包含三个模块：

• Table-Retriever：检索与问题最相关的表格。

• Column-Retriever：在检索到的表格中进一步检索相关列。

• SQL-Skeleton-Retriever：搜索具有相似SQL骨架的少量示例，并将SQL骨架引入示例组织，以增强上下文学习过程。

RB-SQL框架。表格检索器从数据库中筛选表格，列检索器进一步筛选列。SQL框架检索器用于选择相似的少量示例，并将SQL框架添加到示例组织中。

RB-SQL框架利用密集型段落检索（Dense Passage Retrieval, DPR）模型来检索相关表格、列和示例，以构建有效的提示工程。此外，框架还引入了SQL骨架作为示例组织中的中间步骤，以指导正确的SQL生成过程。

(a) 表格检索器的工作流程。该模块计算问题与表格之间的相似度，并检索与问题高度相关的表格。(b) 表格检索器的框架。使用BERT分别对问题和表格进行编码，并使用基于MaxSim的后期交互来计算相似度得分。

(a) 列检索器的工作流程。该模块检索与问题高度相关的列。(b) 列检索器的框架。

(a) SQL骨架检索器的工作流程。 (b) SQL骨架检索器的框架。

通过在公共数据集BIRD和Spider上的实验，结果表明RB-SQL模型在性能上优于几个竞争基线：GPT-4、DIN-SQL、DAIL-SQL

还进行了消融研究，证明了RB-SQL框架中所有模块对于性能提升都起到了重要作用。

​​

https://arxiv.org/pdf/2407.08273RB-SQL: A Retrieval-based LLM Framework for Text-to-SQLprompt：https://anonymous.4open.science/r/Anonymize-A5E7/prompt_case.txt

 当前论文已经被作者撤回，不清楚为什么