【Text2SQL 论文】DIN-SQL：分解任务 + 自我纠正 + in-context 让 LLM 完成 Text2SQL

论文：DIN-SQL: Decomposed In-Context Learning of Text-to-SQL with Self-Correction

⭐⭐⭐⭐

NeurIPS 2023, arXiv:2304.11015

Code: Few-shot-NL2SQL-with-prompting | GitHub

一、论文速读

这篇论文通过对 LLM 做 prompt 来实现 Text2SQL，过程中通过 prompt 让 LLM 分解任务来降低难度，每个子任务通过 in-context learning 让 LLM 来完成，并在完成 SQL 生成后，通过 self-correction 来检查和纠正可能有错误的 SQL。最终，在执行精确度指标上超越了现有的 SOTA 模型。

生成 SQL 被分成四个阶段：

1. Schema Linking：输入 NL query 和 DB schema，找出与 query 相关的 tables、columns 以及不同表之间的外键关系
2. Classification & Decomposition：将 query 分成了三种不同的难度：EASY、NON-NESTED、NESTED
3. SQL Generation：根据不同类型的 query，按照不同的策略来生成对应的 SQL
4. Self-correction：通过 prompt 来让 LLM 检查和纠正可能错误的 SQL

1.1 Schema Linking Module

这个 module 输入 NL query 和 DB 的 schema 信息，输出的是将 query 链接到 DB 中的一些信息，具体来说输出就是：

1. table 和 columns 的名称：找到 query 中涉及到的 DB 的 table 和 columns 的名称
2. 条件值：从查询中提取出用于条件过滤的值，比如在查询“Find the departments with a budget greater than 500”中，需要提取出条件值“500”。
3. 外键关系的确定：如果查询涉及到多个表，需要确定它们之间的关系，如通过外键连接。

下面是使用 in-context learning + CoT 来让 LLM 做 schema-linking 的示例：

demostration 的一个示例如下：

Table advisor, columns = [*,s_ID,i_ID]
Table classroom, columns = [*,buildi