Google 等提出 DualSQL：多智能体 RL 训练 Text-to-SQL
中文摘要
Google 提出 DualSQL，通过多智能体强化学习拆分 Text-to-SQL 任务，仅需少量样本即可在 BIRD 评测中实现超越大规模模型的性能。
English Summary
Google's DualSQL uses multi-agent RL to split Text-to-SQL tasks. Using minimal samples, it achieves BIRD benchmark performance surpassing much larger models.
Original Excerpt
Google 等提出 DualSQL，用多智能体 RL 训练 Text-to-SQL，将任务拆成选表列与写 SQL 两个共享同一模型权重的智能体，推理时可经三个工具查询数据库。仅用 3，755 条样本训练，DualSQL-4B 在 BIRD dev 达 68.0% 执行准确率，追平此前 7B 模型；DualSQL-8B 达 71.1%，超过此前 32B 参数的单模型系统。