AnswersPublished20 sources
Mindre AI-modell blir bättre på SQL med träning i rätt miljö
HarnessSQL tränar en SQL agent i en körbar databasmiljö. Enligt rapporter steg en 8B modells resultat på Spider 2.0 SQLite från 15,5 till 45,2 procent.
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer
Key takeaways
- HarnessSQL tränar en SQL agent i en körbar databasmiljö. Enligt rapporter steg en 8B modells resultat på Spider 2.0 SQLite från 15,5 till 45,2 procent.
- Agenten kan undersöka tabeller och scheman, köra SQL frågor och använda resultat eller felmeddelanden för att avgöra nästa steg.
- Metoden kombinerar övervakad finjustering på interaktionsförlopp med förstärkningsinlärning baserad på återkoppling från körningen.
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 tränar en text-till-SQL-modell i en körbar databasmiljö, i stället för att enbart öva den på att omvandla en fråga till en färdig SQL-fråga. Enligt rapporter steg en 8B-modells resultat på testet Spider 2.0-SQLite från 15,5 till 45,2 procent efter träning med HarnessSQL. 8
9
Därför spelar träningsmiljön roll
En traditionell text-till-SQL-modell får en fråga och ett databasschema och försöker direkt skriva en fråga i SQL. En databasagent kan i stället först ta reda på vilka tabeller som finns, undersöka deras struktur, köra en fråga och använda resultatet eller ett felmeddelande för att bestämma vad den ska göra härnäst. HarnessSQL är utformat för att träna modellen i just den här typen av växelspel med databasen. Körmiljön är med både under den övervakade finjusteringen och under förstärkningsinlärningen. 17
25
HarnessSQL bygger på DeepSeek Harness, ett ramverk med öppen källkod för AI-agenter där funktioner kan läggas till som pluginer, och anpassar det för databasuppgifter. 9
10
13 Den SQL-anpassade miljön låter agenten bland annat lista tabeller, granska scheman och köra frågor. Den rapporterade lösningen använder också skrivskyddad åtkomst, tillåter bara en SQL-sats åt gången och har en tidsgräns på 60 sekunder.
28
Träning med frågor som faktiskt körs
Forskarna beskriver isolerade databasmiljöer där modellerna får tillgång till scheman, kan köra SQL och får återkoppling från körningen. Projektets kodarkiv uppger att databaser från Spider 2.0-DBT konverteras från DuckDB till SQLite. Det beskriver också hur SQLite-data från Spider 2.0-Lite och DBT används för att skapa körbara SQL-uppgifter. 5
25
I stället för att bara lära sig från separata par av frågor och färdiga SQL-svar tränas modellen på hela interaktionsförlopp: en följd av handlingar och svar från databasen. Artikeln beskriver först övervakad finjustering och därefter förstärkningsinlärning där belöningen bygger på hur SQL-frågorna körs. 4
17
25
Poängen är att modellen får öva på ett arbetsflöde som liknar det den möter när den ska besvara frågor mot en databas. Den kan träna på att hämta information och reagera på körresultat, inte bara härma en fristående SQL-sträng.
Vad resultaten visar – och inte visar
På Spider 2.0-SQLite uppges den HarnessSQL-tränade 8B-modellen nå 45,2 procent, jämfört med en rapporterad baslinje på 15,5 procent. 8
9 En separat rapport anger 54,8 procent för en 14B-modell.
2 Samma rapportering nämner 14,8 procent för OmniSQL-32B och 16,3 procent för Arctic-Text2SQL-32B på Spider 2.0-SQLite.
2
Resultaten pekar på att träning i den miljö där agenten ska använda sina verktyg kan göra stor skillnad på det här testet. De visar däremot inte att en mindre modell generellt slår större modeller i alla SQL-uppgifter. Resultat kan variera beroende på test, upplägg och vilka modeller som jämförs.
Detaljer som inte går att bekräfta här
Det tillgängliga källmaterialet räcker inte för att självständigt verifiera alla experimentdetaljer, exempelvis samtliga fyra verktygsdefinitioner, genomsnittliga interaktionsförlopp, detaljerade ablationstester eller jämförelser med LiveSQLBench. De uppgifterna lämnas därför därhän här. Projektets kodarkiv innehåller kod för datagenerering och träningsprocessen, medan forskningsartikeln beskriver den övergripande metoden med träning i agentmiljön. 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 "Mindre AI-modell blir bättre på SQL med träning i rätt miljö"?
HarnessSQL tränar en SQL agent i en körbar databasmiljö. Enligt rapporter steg en 8B modells resultat på Spider 2.0 SQLite från 15,5 till 45,2 procent.
What are the key points to validate first?
HarnessSQL tränar en SQL agent i en körbar databasmiljö. Enligt rapporter steg en 8B modells resultat på Spider 2.0 SQLite från 15,5 till 45,2 procent. Agenten kan undersöka tabeller och scheman, köra SQL frågor och använda resultat eller felmeddelanden för att avgöra nästa steg.
What should I do next in practice?
Metoden kombinerar övervakad finjustering på interaktionsförlopp med förstärkningsinlärning baserad på återkoppling från körningen.
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