SERL-SQL选择性强化学习框架提出

Tao Liu等作者提出SERL-SQL，一种面向多轮Text-to-SQL智能体的选择性执行反馈强化学习框架：将教师-学生似然差转化为有界掩码权重，仅对SQL和工具动作token重加权GRPO优势。作者称该框架在BIRD-Dev上执行准确率达76.56%，Spider-Test上达89.92%，其奖励选择策略接近oracle Best-of-N上界，并持续优于一致性选择方法。 上述准确率为作者在论文中报告的结果。作者表示代码将在论文给出的网址发布。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。