ARCS 基准发布：结构化消歧提升 Text-to-SQL
原文标题：ARCS: Towards Precise Text-to-SQL via Structured Disambiguation
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出「结构化消歧」新范式，用受约束的显式交互替代自由对话来消解用户问题歧义，并构建首个含真实数据库自然歧义的 Text-to-SQL 基准 ARCS。实验显示歧义场景下 gpt-6-sol 端到端执行准确率仅 51%，开源模型均不超过 27%。
- 问题
- Text-to-SQL 中用户问题歧义常被忽视，导致输出偏离真实意图。
- 方法
- 提出结构化消歧范式，用受约束的显式交互替代自由对话，并构建首个含真实数据库自然歧义的基准 ARCS。
- 结果
- 歧义场景下 gpt-6-sol 端到端执行准确率仅 51%，开源模型均不超过 27%。
- 影响
- 说明真实部署中歧义是主要错误源，产品需设计结构化澄清交互。
深读 · 结论先行AI 生成展开看要点与影响 ↓
首个真实数据库自然歧义Text-to-SQL基准ARCS发布，gpt-6-sol执行准确率仅51%。
- •提出「结构化消歧」范式，用受约束显式交互替代自由对话澄清
- •ARCS标注了全部有效歧义点、解释与对应SQL查询
- •gpt-6-sol端到端执行准确率51%，无开源模型超过27%
- •论文认为对话式澄清低效、认知负担重且不符合真实工作流
为什么重要：把歧义从「对话体验问题」变成可量化基准，51%对27%的差距说明真实部署中歧义仍是Text-to-SQL的主要失分点。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。