摘要
在特定领域任务中，微调大型语言模型（LLMs）在文本到SQL的任务中取得了显著成功。然而，这些微调模型在处理多轮文本到SQL任务时，常常面临由模糊或无法回答的问题引起的挑战。因此，提升LLMs处理多种问题类型的能力在多轮文本到SQL任务中显得尤为重要。
为了解决这一问题，我们提出了一种新颖的数据增强方法，称为QDA-SQL，该方法使用LLMs生成多种类型的多轮问答对。在QDA-SQL中，我们引入了验证和纠正机制，以应对复杂的多轮文本到SQL任务。实验结果表明，QDA-SQL使得微调模型在SQL语句准确性上表现更高，并增强了它们在多轮文本到SQL任务中处理复杂、无法回答问题的能力。
生成脚本和测试集已发布在 GitHub。
博主点评： QDA-SQL通过引入数据增强机制，显著提升了LLMs在多轮对话中的表现，尤其是在处理复杂问题时的能力。这为未来的SQL生成任务提供了一个新的思路，值得关注和研究。