背景信息

Text-to-SQL任务是个挺有挑战性的活儿，它需要把自然语言问题翻译成数据库能看懂的SQL查询。这事儿涉及到好几个烧脑的子任务，比如理解人话、搞懂数据库结构，还得写出精准的SQL语句。以前的方法大多靠人工设计的推理路径，就像给模型戴了个”思维导图”眼镜，虽然能看路，但视野受限。

最近像DeepSeek R1和OpenAI o1这些模型玩出了新花样——它们让AI自己探索学习路径，就像给小孩奖励贴纸来鼓励好行为。受这个启发，我们搞了个叫Reasoning-SQL的强化学习框架，专门给Text-to-SQL任务定制了一套”奖励机制”：

图1：就像教小狗做动作给零食一样，我们的训练流程会给模型生成的不同SQL方案打分

研究成果

我们这套方法最亮眼的成绩单： - 在BIRD基准测试上，我们14B参数的模型直接碾压了更大的商业模型——比o3-mini高4%，比Gemini-1.5-Pro-002高3% - 推理成本直降93%，但效果反而更好，就像用五菱宏光的油钱开出了特斯拉的加速 - 模型自己琢磨出的推理方式，比人工设计的”解题模板”更管用

图2：我们的打分系统很智能，就像老师不仅看答案对不对，还会检查解题步骤

研究贡献

我们往AI学术界扔了三块”砖”： 1. 自动推理优化器：第一个用强化学习自动调教Text-to-SQL推理过程的框架 2. 花式奖励套餐：专门为SQL生成设计的打分标准，就像给作文评分时既看立意也查错别字 3. 性价比之王：小模型干翻大模型，让普通实验室也能玩转高质量Text-to-SQL

图3：模型学习过程就像小孩学写字，从歪歪扭扭到工整规范

实验过程数据

我们做了个”模型奥运会”来比试： - 选手：3B/7B/14B不同体量的模型 - 比赛项目：BIRD、Spider等数据库查询基准赛 - 裁判标准：执行准确率(EX)——就像考试不仅要写对公式，还得算出正确结果

图4：模型表现随计算资源增加的变化，就像给不同马力发动机测油耗

关键发现： - 7B模型加了我们这套奖励机制后，性能直接飙升6.77% - 在Spider等陌生题库上表现也很稳，说明不是死记硬背的”书呆子”

结论

简单说就是：我们用打游戏升级那套思路训练AI写SQL，结果小模型逆袭了大佬。这招不仅效果好，还特别省钱——就像找到了深度学习界的”拼多多”模式。

未来可以往两个方向搞： 1. 把更多数据库知识塞进奖励机制，让AI更像老练的DBA 2. 试试在其他编程语言生成任务上复制这个成功

图5：我们的方法省钱效果堪比双十一满减，性能还不打折

原文：https://arxiv.org/pdf/2503.23157