训练竞争性的 Text-to-SQL 代理通常需要人工标注的自然语言/SQL 对，成本高且受限于领域。本文展示了在没有任何标注对的情况下也能训练出竞争力的求解器。
引入 SQL-Zero，一个提议者‑求解器自博弈框架。挑战者和求解器均从同一基础大模型出发，唯一的真值来自对数据库的执行结果。挑战者生成的 SQL 与求解器当前难度匹配（目标“难但可解”），两者交替使用 GRPO 更新，并在挑战者层面加入模板级重复惩罚以防多样性崩塌。
在 BIRD 数据库上不使用标签进行自博弈训练，3B 参数模型在 BIRD dev 上比零-shot 基线提升 6.6 分，7B 提升 7.3 分。与在相同数据库上使用人工 BIRD gold 进行相同流程的对照组相比，SQL‑Zero 也取得更高得分，尽管配对检验未显著区分差距。
在 3B 规模下，每一次迭代在未见过的 Spider 数据库以及词汇扰动的 Spider‑Syn 上均优于基线，并且退化程度低于 BIRD‑gold 对照组；而在 7B 规模时，仅首轮迭代保持了迁移能力。
通过自博弈和执行反馈，SQL‑Zero 实现了零标注的 Text‑to‑SQL 学习，为跨数据库扩展提供了新的路径。
点评