AnswersPublished20 sources
HarnessSQL bantu model kecil menulis SQL dengan lebih baik
HarnessSQL melatih ejen SQL 8B dalam persekitaran pangkalan data yang serupa dengan tempat ia akan digunakan; skornya pada Spider 2.0 SQLite dilaporkan meningkat daripada 15.5% kepada 45.2%. Ejen itu boleh memeriksa jadual dan skema, menjalankan pertanyaan SQL, kemudian menggunakan hasil atau mesej ralat untuk menen...
Diterbitkan olehDisunting dengan GPT-6 LunaImej dijana dengan GPT Image 2
Research answer
Key takeaways
- HarnessSQL melatih ejen SQL 8B dalam persekitaran pangkalan data yang serupa dengan tempat ia akan digunakan; skornya pada Spider 2.0 SQLite dilaporkan meningkat daripada 15.5% kepada 45.2%.
- Ejen itu boleh memeriksa jadual dan skema, menjalankan pertanyaan SQL, kemudian menggunakan hasil atau mesej ralat untuk menentukan langkah seterusnya.
- Kaedah yang dilaporkan menggabungkan latihan terselia menggunakan urutan interaksi dengan pembelajaran pengukuhan berdasarkan maklum balas pelaksanaan.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How does HarnessSQL, developed by HKUST and described as a collaboration with Microsoft researchers in an October 2026 arXiv paper covered b. Article summary: HarnessSQL’s central idea is to train a SQL agent inside the same execution environment it will use at deployment, rather than train it only to generate a final SQL statement from a question and schema. The available evi. Topic tags: general, academic, general web, user generated, documentation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, w
Model AI yang menulis SQL biasanya dilatih untuk menukar soalan dan maklumat skema pangkalan data kepada satu pertanyaan akhir. Tetapi apabila berdepan pangkalan data sebenar, ejen mungkin perlu memeriksa jadual, mencuba pertanyaan, kemudian membetulkan pendekatannya jika berlaku ralat.
HarnessSQL dibangunkan untuk melatih model dalam aliran kerja interaktif seperti ini. Pada penanda aras Spider 2.0-SQLite, model 8B yang dilatih menggunakan kaedah ini dilaporkan meningkat daripada 15.5% kepada 45.2%. 8
9
Bukan sekadar menjana satu pertanyaan
Dalam pendekatan teks-ke-SQL biasa, model menerima soalan bersama skema pangkalan data—maklumat tentang jadual dan medan yang tersedia—kemudian cuba menghasilkan SQL dalam satu langkah. Ejen pangkalan data pula boleh menyiasat struktur data, menjalankan pertanyaan dan menggunakan hasil atau mesej ralat untuk membuat percubaan seterusnya.
HarnessSQL direka untuk melatih model mengikuti proses itu, dengan persekitaran pelaksanaan pangkalan data digunakan semasa latihan terselia dan pembelajaran pengukuhan. 17
25
Kerangka ini dibina berasaskan DeepSeek Harness, iaitu kerangka ejen sumber terbuka yang menggunakan pemalam untuk menambah keupayaan. HarnessSQL menyesuaikannya bagi tugasan pangkalan data, termasuk tindakan untuk menyenaraikan jadual, memeriksa skema dan menjalankan pertanyaan. 9
10
13 Laporan tentang persediaan tersebut turut menyebut pelaksanaan baca sahaja, had satu pernyataan SQL pada satu masa dan tamat masa 60 saat.
28
Latihan menggunakan pangkalan data yang boleh dijalankan
Menurut kertas kajian, HarnessSQL menyediakan persekitaran pangkalan data terasing yang membolehkan model melihat skema, menjalankan pertanyaan dan menerima maklum balas semasa pelaksanaan. 17
25 Repositori projek pula menyatakan bahawa pangkalan data Spider 2.0-DBT ditukar daripada DuckDB kepada SQLite, dan data daripada Spider 2.0-Lite serta DBT digunakan untuk membina tugasan SQL yang boleh dilaksanakan.
5
Model dilatih melalui urutan tindakan dan respons pangkalan data, bukannya hanya pasangan soalan dengan satu pertanyaan jawapan. Kaedah yang diterangkan menggabungkan latihan terselia dengan pembelajaran pengukuhan yang menggunakan ganjaran daripada pelaksanaan pertanyaan. 4
17
25
Ringkasnya, model bukan sahaja belajar meniru rentetan SQL. Ia juga berlatih mengumpulkan maklumat dan bertindak balas terhadap hasil pelaksanaan—kemahiran yang diperlukan apabila ejen menggunakan alat untuk menjawab soalan berkaitan pangkalan data.
Apa yang ditunjukkan oleh angka penanda aras
Pada Spider 2.0-SQLite, model 8B yang dilatih dengan HarnessSQL dilaporkan memperoleh skor 45.2%, berbanding skor asas 15.5%. 8
9 Satu laporan berasingan menyebut model 14B mencapai 54.8%.
2
Laporan yang sama menyenaraikan skor 14.8% untuk OmniSQL-32B dan 16.3% untuk Arctic-Text2SQL-32B pada penanda aras tersebut. 2 Perbandingan ini menunjukkan bahawa latihan yang mengajar model menggunakan persekitaran pelaksanaannya boleh memberi kesan besar pada ujian ini.
Namun, angka itu tidak membuktikan model lebih kecil akan mengatasi model lebih besar dalam semua tugasan SQL. Hasil bergantung pada penanda aras, persediaan ujian dan model yang dibandingkan.
Butiran yang belum dapat dipastikan
Petikan sumber yang tersedia tidak memberikan maklumat mencukupi untuk menyemak secara bebas semua butiran eksperimen. Antaranya ialah spesifikasi penuh bagi keempat-empat alat, purata panjang dan struktur urutan interaksi, analisis ablation terperinci serta perbandingan LiveSQLBench. Oleh itu, butiran tersebut tidak dihuraikan sebagai fakta yang disahkan di sini.
Repositori projek menyediakan kod bagi penjanaan data dan saluran latihan, manakala kertas kajian menerangkan pendekatan latihan yang disesuaikan dengan persekitaran ejen. 5
17
25
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "HarnessSQL bantu model kecil menulis SQL dengan lebih baik"?
HarnessSQL melatih ejen SQL 8B dalam persekitaran pangkalan data yang serupa dengan tempat ia akan digunakan; skornya pada Spider 2.0 SQLite dilaporkan meningkat daripada 15.5% kepada 45.2%.
What are the key points to validate first?
HarnessSQL melatih ejen SQL 8B dalam persekitaran pangkalan data yang serupa dengan tempat ia akan digunakan; skornya pada Spider 2.0 SQLite dilaporkan meningkat daripada 15.5% kepada 45.2%. Ejen itu boleh memeriksa jadual dan skema, menjalankan pertanyaan SQL, kemudian menggunakan hasil atau mesej ralat untuk menentukan langkah seterusnya.
What should I do next in practice?
Kaedah yang dilaporkan menggabungkan latihan terselia menggunakan urutan interaksi dengan pembelajaran pengukuhan berdasarkan maklum balas pelaksanaan.
Sources
aigc.newsLive Signals - AIGC.NEWS
pandaily.comHarnessSQL Uses DeepSeek Harness to Lift an 8B Model to 45.2% on Spider 2.0-SQLite
arxiv.orgHarnessSQL: Harness-Native Training for SQL Agents in Realistic Database Environments
deepseek.comDeepSeek Harness | Explore the limits of intelligence