📖 AI 总结

本文提出 BudgetSchemaBench，一个面向 Text-to-SQL 场景中模式上下文预算问题的执行级诊断基准。其核心问题是：当数据库目录庞大、包含数千列时，模型上下文窗口内如何权衡表的覆盖范围与序列化细节。该基准的相关性标签直接由金标准 SQL 机械推导，无需人工或大模型标注，并采用 80 个数据库的池化目录，在四种模式上下文预算下比较三种表示方式，同时通过源命名空间检查排除从错误数据库得到正确答案的查询。实验覆盖端到端检索、冻结金标准表和移除必需表三种条件。主要发现是：在词汇检索下，将预算从目录的 2.5% 提升至 50% 可使 1279 道留出题的执行准确率提高 18 个百分点，而稠密检索仅提高 3 个百分点，说明稠密检索在最小预算下已能找回大部分必需表；移除必需表后，94.6% 的正确预测仍能准确指出这些表，提示模型可能依据参数化知识重建缺失模式。在冻结金标准条件下，三种表示方式的差异不超过 2 个百分点。研究表明，当检索受覆盖范围限制时，执行准确率对模式预算的敏感度高于对序列化方式的敏感度。

🔑 关键词速览