LLM 数据库规范化基准与多智能体框架

论文提出 DNBENCH 基准与多智能体框架 MARS，评测 LLM 数据库规范化能力。

资讯摘要

论文研究大语言模型在数据库规范化任务上的可靠性，提出 DNBENCH 基准，含 3275 个样本，覆盖 1NF 到 BCNF，从语义等价、结构准确性和逻辑有效性三方面评测。结果显示模型在依赖推断、模式分解和跨表约束重建上反复出错。作者进一步提出多智能体框架 MARS，将证据提取、违规诊断、分解规划与生成验证分离，作者报告其 DNB-SCORE 较单提示基线提升 82.0%。

要点速读

1. DNBENCH 含 3275 个样本，覆盖 1NF 至 BCNF，采用三轴协议评测语义等价、结构准确性与逻辑有效性。
2. 基准揭示 LLM 在函数依赖推断、模式分解和跨表约束重建上存在反复失败。
3. MARS 将证据提取、违规诊断、分解规划与模式生成验证分离，作者报告 DNB-SCORE 较单提示基线提升 82.0%。

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 2026/10/23 08:00:11（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。