คำตอบเผยแพร่แล้ว20 แหล่งที่มา
ให้ AI ฝึกทำงานกับฐานข้อมูลจริง โมเดล 8B ก็ทำ SQL ได้เก่งขึ้น
HarnessSQL ฝึกโมเดล SQL ในสภาพแวดล้อมฐานข้อมูลที่รันคำสั่งได้ โดยมีรายงานว่าโมเดล 8B ทำคะแนน Spider 2.0 SQLite เพิ่มจาก 15.5% เป็น 45.2% แทนที่จะสร้างคำสั่ง SQL ให้จบในครั้งเดียว เอเจนต์สามารถดูรายชื่อตาราง ตรวจโครงสร้าง ทดลองรันคำสั่ง และนำผลตอบกลับไปปรับวิธีทำงาน แนวทางนี้ผสานการฝึกแบบมีผู้สอนจากลำดับการโต้ตอบ กับ...
เผยแพร่โดยแก้ไขด้วย GPT-6 Lunaรูปภาพสร้างด้วย GPT Image 2
คำตอบการวิจัย
ประเด็นสำคัญ
- HarnessSQL ฝึกโมเดล SQL ในสภาพแวดล้อมฐานข้อมูลที่รันคำสั่งได้ โดยมีรายงานว่าโมเดล 8B ทำคะแนน Spider 2.0 SQLite เพิ่มจาก 15.5% เป็น 45.2%
- แทนที่จะสร้างคำสั่ง SQL ให้จบในครั้งเดียว เอเจนต์สามารถดูรายชื่อตาราง ตรวจโครงสร้าง ทดลองรันคำสั่ง และนำผลตอบกลับไปปรับวิธีทำงาน
- แนวทางนี้ผสานการฝึกแบบมีผู้สอนจากลำดับการโต้ตอบ กับการเรียนรู้แบบเสริมกำลังที่ใช้ผลการรันเป็นสัญญาณประเมิน
AI พรอมต์
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
การให้ AI เขียน SQL จากคำถามเพียงครั้งเดียว อาจไม่พอสำหรับงานกับฐานข้อมูลที่ซับซ้อน เพราะเอเจนต์ต้องรู้ก่อนว่ามีตารางอะไร ตรวจดูโครงสร้าง แล้วจึงลองรันคำสั่งและแก้ไขเมื่อเจอข้อผิดพลาด
นี่คือแนวคิดเบื้องหลัง HarnessSQL: ฝึกโมเดลให้ทำงานอยู่ในสภาพแวดล้อมฐานข้อมูลที่รันคำสั่งได้ แทนที่จะฝึกให้แปลงคำถามเป็น SQL คำตอบสุดท้ายอย่างเดียว รายงานระบุว่า หลังฝึกด้วยแนวทางนี้ โมเดลขนาด 8B ทำคะแนนบน Spider 2.0-SQLite เพิ่มจาก 15.5% เป็น 45.2% 8
9
จากเขียนคำสั่งครั้งเดียว สู่การสำรวจและลองรัน
โมเดล Text-to-SQL ทั่วไปมักรับคำถามกับโครงสร้างฐานข้อมูล แล้วสร้างคำสั่ง SQL ออกมาเลย แต่เอเจนต์ฐานข้อมูลที่ทำงานแบบโต้ตอบได้จะมีขั้นตอนมากกว่า เช่น ตรวจว่ามีตารางใดบ้าง เปิดดูโครงสร้างตาราง ทดลองรันคำสั่ง และใช้ผลลัพธ์หรือข้อความผิดพลาดมาวางแผนขั้นต่อไป
HarnessSQL ออกแบบมาเพื่อฝึกกระบวนการแบบนี้ โดยให้สภาพแวดล้อมที่ใช้รันคำสั่งเข้ามามีส่วนทั้งในการฝึกแบบมีผู้สอน (SFT) และการเรียนรู้แบบเสริมกำลัง (RL) 17
25
เฟรมเวิร์กนี้ต่อยอดจาก DeepSeek Harness ซึ่งเป็นเฟรมเวิร์กเอเจนต์แบบโอเพนซอร์สที่ประกอบเครื่องมือเป็นส่วน ๆ ได้ และปรับให้เหมาะกับงานฐานข้อมูล 9
10
13 ส่วนติดต่อสำหรับ SQL รองรับการเรียกดูตาราง ตรวจสอบสคีมา และรันคำสั่ง โดยการตั้งค่าที่มีรายงานไว้ยังจำกัดให้รันแบบอ่านอย่างเดียว ใช้คำสั่งเดียวต่อครั้ง และกำหนดเวลาหมดไว้ที่ 60 วินาที
28
ฝึกจากการโต้ตอบกับฐานข้อมูล
ทีมวิจัยอธิบายการสร้างสภาพแวดล้อมฐานข้อมูลแบบแยกส่วน ซึ่งมีสคีมา การรันคำสั่ง และผลตอบกลับขณะทำงานให้เอเจนต์ใช้งาน ข้อมูลจากคลังโค้ดของโครงการระบุว่า มีการแปลงฐานข้อมูล Spider 2.0-DBT จาก DuckDB เป็น SQLite และนำข้อมูล SQLite จาก Spider 2.0-Lite รวมถึงชุดข้อมูลที่สร้างจาก DBT มาใช้สร้างโจทย์ SQL ที่รันได้จริง 5
25
แทนที่จะฝึกจากคู่ข้อมูลคำถามกับคำสั่ง SQL แยกเป็นข้อ ๆ วิธีนี้เก็บลำดับการกระทำและผลตอบกลับจากฐานข้อมูลไว้ด้วย โมเดลจึงเรียนรู้จากการโต้ตอบต่อเนื่องระหว่างใช้เครื่องมือ งานวิจัยอธิบายว่ากระบวนการประกอบด้วยการฝึกแบบมีผู้สอน ตามด้วยการเรียนรู้แบบเสริมกำลังที่ใช้ผลจากการรันคำสั่งเป็นรางวัล 4
17
25
จุดสำคัญคือ โมเดลได้ฝึกในลักษณะใกล้เคียงกับตอนนำไปใช้งานจริง ไม่ได้เรียนแค่การเลียนแบบข้อความ SQL แต่ยังฝึกเก็บข้อมูลที่จำเป็นและตอบสนองต่อผลการรันด้วย
คะแนนที่รายงานบอกอะไร และไม่ได้บอกอะไร
บนชุดทดสอบ Spider 2.0-SQLite มีรายงานว่าโมเดล 8B ที่ฝึกด้วย HarnessSQL ทำได้ 45.2% เทียบกับค่าพื้นฐานที่รายงานไว้ 15.5% 8
9 ส่วนโมเดล 14B มีรายงานคะแนน 54.8%
2 ในแหล่งรายงานเดียวกัน OmniSQL-32B ได้ 14.8% และ Arctic-Text2SQL-32B ได้ 16.3% บนชุดทดสอบนี้
2
ตัวเลขดังกล่าวชี้ว่า การฝึกให้โมเดลใช้สภาพแวดล้อมสำหรับรันคำสั่งอาจช่วยได้มากในงานทดสอบนี้ แต่ไม่ได้ยืนยันว่าโมเดลขนาดเล็กจะเหนือกว่าโมเดลใหญ่ในงาน SQL ทุกประเภท ผลลัพธ์ยังขึ้นอยู่กับชุดทดสอบ วิธีประเมิน และเงื่อนไขการเปรียบเทียบ
รายละเอียดบางส่วนยังยืนยันไม่ได้
ข้อมูลจากแหล่งที่อ้างถึงยังไม่เพียงพอให้ตรวจสอบตัวเลขการทดลองทั้งหมดได้อย่างอิสระ เช่น รายละเอียดเครื่องมือครบทั้งสี่รายการ ค่าเฉลี่ยของลำดับการโต้ตอบ ผลการทดสอบแยกปัจจัย และการเปรียบเทียบบน LiveSQLBench จึงยังไม่ควรถือว่ารายละเอียดเหล่านั้นได้รับการยืนยันจากข้อมูลที่มีอยู่ในที่นี้
คลังโค้ดของโครงการให้รายละเอียดเกี่ยวกับการสร้างข้อมูลและกระบวนการฝึก ส่วนบทความวิจัยอธิบายแนวทางที่ฝึกเอเจนต์โดยใช้สภาพแวดล้อมเดียวกับตอนทำงาน 5
17
25
Studio Global AI
ทำการวิจัยต่อ
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
คนยังถาม
คำตอบสั้น ๆ สำหรับ "ให้ AI ฝึกทำงานกับฐานข้อมูลจริง โมเดล 8B ก็ทำ SQL ได้เก่งขึ้น" คืออะไร
HarnessSQL ฝึกโมเดล SQL ในสภาพแวดล้อมฐานข้อมูลที่รันคำสั่งได้ โดยมีรายงานว่าโมเดล 8B ทำคะแนน Spider 2.0 SQLite เพิ่มจาก 15.5% เป็น 45.2%
ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร?
HarnessSQL ฝึกโมเดล SQL ในสภาพแวดล้อมฐานข้อมูลที่รันคำสั่งได้ โดยมีรายงานว่าโมเดล 8B ทำคะแนน Spider 2.0 SQLite เพิ่มจาก 15.5% เป็น 45.2% แทนที่จะสร้างคำสั่ง SQL ให้จบในครั้งเดียว เอเจนต์สามารถดูรายชื่อตาราง ตรวจโครงสร้าง ทดลองรันคำสั่ง และนำผลตอบกลับไปปรับวิธีทำงาน
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ?
แนวทางนี้ผสานการฝึกแบบมีผู้สอนจากลำดับการโต้ตอบ กับการเรียนรู้แบบเสริมกำลังที่ใช้ผลการรันเป็นสัญญาณประเมิน
แหล่งที่มา
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