从基准测试到生产环境：用于复杂金融数据的 Text-to-SQL 系统

通用 Text-to-SQL 系统在 Spider 和 BIRD 等学术基准测试中表现出色，因为这些基准中的模式通常较为浅层，列值也往往便于人类阅读。而在生产环境的金融数据库中，概念通常以不透明的整数键存储，而非以人类可读的字符串存储；在这种情况下，这些方法的准确率低于 50%，因为即使是简单查询也需要多次连接，且筛选谓词引用的是不透明的 ID。我们提出了 Financial LINking Text-to-SQL（FLINT），这是一种面向特定领域的 Text-to-SQL 系统，通过三个关键组件弥合这一差距：（1）查找代理，根据具体问题动态将自然语言概念解析为参考表约束；（2）基于嵌入的检索，从由专家编写的精简查询模板库中检索结构相似的查询模板；（3）模式链接，通过遍历外键链，将大型表模式裁剪为相关子集，而不是仅依赖名称相似性。我们在两个数据集上进行了评估，这些数据集涵盖生产环境金融模式中的 359 个问题。使用相同的 LLM 时，FLINT 的表现优于多种当前最先进的基线方法。该系统已作为金融数据检索服务的一部分部署到生产环境中。