AnswersPublished20 sources
SQL-agenten øver i databasen – og løfter en 8B-modell til 45,2 prosent
HarnessSQL trener en 8B modell i et kjørbart databasemiljø, og rapportert resultat på Spider 2.0 SQLite øker fra 15,5 til 45,2 prosent. I stedet for å lage en SQL spørring i ett forsøk kan agenten undersøke tabeller og skjemaer, kjøre spørringer og bruke tilbakemeldinger til å justere fremgangsmåten.
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer
Key takeaways
- HarnessSQL trener en 8B modell i et kjørbart databasemiljø, og rapportert resultat på Spider 2.0 SQLite øker fra 15,5 til 45,2 prosent.
- I stedet for å lage en SQL spørring i ett forsøk kan agenten undersøke tabeller og skjemaer, kjøre spørringer og bruke tilbakemeldinger til å justere fremgangsmåten.
- Metoden kombinerer veiledet finjustering på interaksjonsforløp med forsterkende læring basert på resultatene fra kjøring av spørringene.
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
HarnessSQL bygger på en enkel idé: En modell som skal svare på spørsmål ved hjelp av databaser, bør trenes i et miljø der den faktisk kan undersøke og bruke databasen. Ifølge rapporter økte en 8B-modells resultat på Spider 2.0-SQLite fra 15,5 til 45,2 prosent etter trening med HarnessSQL. 8
9
Fra å skrive én spørring til å jobbe steg for steg
En tradisjonell tekst-til-SQL-modell får gjerne et spørsmål og et databaseskjema, og skal deretter lage én ferdig spørring. En databaseagent kan i stedet undersøke hvilke tabeller som finnes, se på strukturen deres, kjøre en spørring og bruke resultatet – eller en feilmelding – til å finne ut hva den bør prøve videre. HarnessSQL er laget for å trene modellen på denne typen arbeidsflyt. Databasemiljøet er med både under veiledet finjustering og forsterkende læring. 17
25
Rammeverket bygger på DeepSeek Harness, et åpen kildekode-verktøy for agenter med utskiftbare programtillegg, og tilpasser det til databaseoppgaver. 9
10
13 SQL-grensesnittet støtter blant annet å liste tabeller, undersøke skjemaer og kjøre spørringer. I den rapporterte løsningen er kjøringen skrivebeskyttet, begrenset til én spørring om gangen og underlagt en tidsgrense på 60 sekunder.
28
Trening med ekte kjøring og tilbakemeldinger
Forskerne beskriver isolerte, kjørbare databasemiljøer med skjemaer, mulighet til å utføre spørringer og tilbakemeldinger fra kjøretiden. Prosjektets kodebase oppgir at databaser fra Spider 2.0-DBT konverteres fra DuckDB til SQLite, og at SQLite-data fra Spider 2.0-Lite og DBT brukes til å lage kjørbare SQL-oppgaver. 5
25
I stedet for bare å lære av løsrevne par med spørsmål og SQL-svar, trenes modellen på hele interaksjonsforløp: handlinger den foretar, og svarene databasen gir. Forskningsartikkelen beskriver først veiledet finjustering og deretter forsterkende læring med belønning knyttet til resultatene fra spørringene. 4
17
25
Poenget er at modellen øver på den samme typen verktøybaserte runddans som den møter når den skal svare på spørsmål om en database. Den får trening i å hente inn informasjon og reagere på kjørefeedback – ikke bare i å etterligne en frittstående SQL-streng.
Hva viser de rapporterte resultatene?
På Spider 2.0-SQLite oppgis resultatet for den HarnessSQL-trente 8B-modellen til 45,2 prosent, mot et rapportert utgangspunkt på 15,5 prosent. 8
9 En separat rapport oppgir 54,8 prosent for en 14B-modell.
2 Den samme omtalen viser til 14,8 prosent for OmniSQL-32B og 16,3 prosent for Arctic-Text2SQL-32B på Spider 2.0-SQLite.
2
Tallene tyder på at trening i selve kjøre- og verktøymiljøet kan utgjøre en betydelig forskjell på denne testen. De viser derimot ikke at mindre modeller generelt slår større modeller på alle SQL-oppgaver. Resultatene avhenger blant annet av hvilken test, oppsett og sammenligning som ligger til grunn.
Dette er fortsatt uklart
Kildene som er tilgjengelige her, gir ikke nok detaljer til å kontrollere alle forsøksresultatene uavhengig. Det gjelder blant annet den fullstendige beskrivelsen av de fire verktøyene, gjennomsnittlig lengde på interaksjonsforløp, detaljerte ablasjonstester og sammenligninger på LiveSQLBench. Disse opplysningene bør derfor regnes som ubekreftet i denne gjennomgangen.
Prosjektets kodebase inneholder implementasjon for datagenerering og treningsløp, mens forskningsartikkelen beskriver den overordnede tilnærmingen med trening tilpasset agentens kjøremiljø. 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 "SQL-agenten øver i databasen – og løfter en 8B-modell til 45,2 prosent"?
HarnessSQL trener en 8B modell i et kjørbart databasemiljø, og rapportert resultat på Spider 2.0 SQLite øker fra 15,5 til 45,2 prosent.
What are the key points to validate first?
HarnessSQL trener en 8B modell i et kjørbart databasemiljø, og rapportert resultat på Spider 2.0 SQLite øker fra 15,5 til 45,2 prosent. I stedet for å lage en SQL spørring i ett forsøk kan agenten undersøke tabeller og skjemaer, kjøre spørringer og bruke tilbakemeldinger til å justere fremgangsmåten.
What should I do next in practice?
Metoden kombinerer veiledet finjustering på interaksjonsforløp med forsterkende læring basert på resultatene fra kjøring av spørringene.
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