回到信息流
论文更新 / THE SIGNAL

RAG策略用于自然语言生成SQL与REST API调用

RAG Strategies for Natural Language-Based SQL Query and REST API Call Generation

AI 辅助整理

资讯摘要

论文评估三种免训练RAG配置(Standard RAG、Relevance Filtering RAG、Iterative Retrieval RAG)在SQL查询生成、REST API调用生成及两者路由组合任务中的表现,基于SAP Transactional Banking构建经专家审核的数据集。作者报告无检索时各任务精确匹配准确率为0%,检索后模拟执行成功率最高79.30%、组件匹配准确率最高78.86%;混合文档下Iterative Retrieval RAG在API调用生成上模拟执行成功率低于Standard RAG(50.53% vs 75.79%)。

要点速读

  • 论文比较Standard RAG、Relevance Filtering RAG与Iterative Retrieval RAG三种免训练配置,覆盖SQL生成、REST API调用生成及二者路由组合任务。
  • 作者报告无检索时精确匹配准确率为0%,检索后模拟执行成功率最高79.30%,组件匹配准确率最高78.86%。
  • 组合任务中Iterative Retrieval RAG精确匹配准确率高于Standard RAG(10.29% vs 7.45%),但混合文档下API调用生成模拟执行成功率较低(50.53% vs 75.79%)。

中文摘要由 AI 根据公开来源生成,可能存在理解偏差;具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/20 21:06:31(北京时间)。 arXiv 日期为本次公告时间,论文初次投稿日期请查看原文版本记录。

阅读 arXiv · cs.CL 原文arxiv.org · 在新窗口打开