A Survey on Employing Large Language Models for Text-to-SQL Tasks

本文是LLM系列文章，针对《A Survey on Employing Large Language Models for Text-to-SQL Tasks》的翻译。

摘要

关系数据库中存储的数据量不断增加，导致各个部门需要高效查询和利用这些数据。但是，编写 SQL 查询需要专业知识，这对尝试访问和查询数据库的非专业用户构成了挑战。文本到 SQL 解析通过将自然语言查询转换为 SQL 查询来解决此问题，从而使非专家用户更容易访问数据库。为了利用大型语言模型 （LLM） 的最新发展，出现了一系列新方法，主要侧重于提示工程和微调。本调查全面概述了文本到 SQL 任务中的 LLM，讨论了基准数据集、提示工程、微调方法和未来的研究方向。我们希望这篇综述能使读者更广泛地了解该领域的最新进展，并对其未来发展轨迹提供一些见解。

1 引言

2 概述

3 基准

4 提示工程

5 微调

6 未来的方向

7 结论

关于在文本到 SQL 任务中使用大型语言模型的调查 本文全面回顾了大型语言模型 （LLM） 在文本到 SQL 任务中的使用情况。在这项调查中，LLM 在文本到 SQL 任务中的应用分为两个不同的类别：提示工程和微调。在提示工程分类中，我们围绕 Text-to-SQL 任务中提示的基本结构、