AnswersPublished20 sources
Daha küçük bir model, veritabanı ortamında pratik yaparak SQL’de güçleniyor
HarnessSQL, 8B’lik bir SQL ajanını çalışacağı türden yürütülebilir bir veritabanı ortamında eğitiyor; Spider 2.0 SQLite’ta bildirilen sonuç %15,5’ten %45,2’ye yükseliyor. Ajan tek seferde sorgu üretmekle sınırlı değil: tabloları ve şemaları inceleyebiliyor, sorgu çalıştırabiliyor ve aldığı geri bildirime göre sonrak...
YayımlayanGPT-6 Luna ile düzenlendiGörseller GPT Image 2 ile oluşturuldu
Research answer
Key takeaways
- HarnessSQL, 8B’lik bir SQL ajanını çalışacağı türden yürütülebilir bir veritabanı ortamında eğitiyor; Spider 2.0 SQLite’ta bildirilen sonuç %15,5’ten %45,2’ye yükseliyor.
- Ajan tek seferde sorgu üretmekle sınırlı değil: tabloları ve şemaları inceleyebiliyor, sorgu çalıştırabiliyor ve aldığı geri bildirime göre sonraki adımını belirleyebiliyor.
- Yöntem, etkileşim adımlarını koruyan denetimli ince ayarı, sorgu çalıştırma sonuçlarına dayalı pekiştirmeli öğrenmeyle birleştiriyor.
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’ın temel fikri, bir metinden SQL’e modelini yalnızca soruyu alıp tek bir nihai sorgu üretmesi için eğitmek yerine, çalıştırılabilir bir veritabanı ortamında görev yapmaya alıştırmak. Bildirilen sonuçlara göre bu yaklaşımla eğitilen 8B modelin Spider 2.0-SQLite puanı %15,5’ten %45,2’ye çıktı. 8
9
SQL ajanını neden çalışma ortamında eğitmek gerekiyor?
Tek adımda çalışan bir metinden SQL’e modeline genellikle bir soru ve veritabanı şeması verilir; modelden hemen sorgu yazması beklenir. Veritabanı ajanı ise önce hangi tabloların bulunduğunu araştırabilir, şemayı inceleyebilir, sorgu çalıştırabilir ve çıkan sonuç ya da hata mesajına göre yeni bir yol deneyebilir. HarnessSQL, hem denetimli ince ayar hem de pekiştirmeli öğrenme sırasında bu etkileşimli iş akışını korumayı amaçlıyor. 17
25
HarnessSQL, eklentilerle genişletilebilen açık kaynaklı bir ajan çatısı olan DeepSeek Harness’ı temel alıp veritabanı görevlerine uyarlıyor. 9
10
13 SQL’e özel arayüz; tabloları listeleme, şemaları inceleme ve sorgu çalıştırma gibi işlemleri destekliyor. Bildirilen kurulumda veritabanına yazma engelleniyor, tek sorgu kısıtı uygulanıyor ve çalıştırma süresi 60 saniyeyle sınırlandırılıyor.
28
Veritabanı etkileşimlerinden model eğitimine
Araştırmacılar, şema bilgisi, sorgu çalıştırma ve çalışma anında geri bildirim sunan yalıtılmış ve yürütülebilir veritabanı ortamları oluşturduklarını belirtiyor. Projenin GitHub deposundaki açıklamaya göre Spider 2.0-DBT veritabanları DuckDB’den SQLite’a dönüştürülüyor; Spider 2.0-Lite ve DBT kaynaklı SQLite verileri de çalıştırılabilir SQL görevleri oluşturmak için kullanılıyor. 5
25
Eğitim yaklaşımı, etkileşim izlerini baştan sona koruyor: Model yalnızca birbirinden kopuk soru-sorgu çiftlerinden öğrenmek yerine, eylem ve veritabanı yanıtlarından oluşan adımlı dizilerle çalışıyor. Makalede önce denetimli ince ayar, ardından sorgu çalıştırma sonuçlarını ödül olarak kullanan pekiştirmeli öğrenme anlatılıyor. 4
17
25
Bu ayrım önemli; çünkü model, veritabanına soru yöneltirken kullanacağı araçlarla aynı türden bir döngü içinde pratik yapıyor. Böylece yalnızca tek başına bir SQL ifadesini taklit etmek değil, gerekli bilgiyi toplamak ve çalıştırma geri bildirimine göre ilerlemek de eğitimin parçası oluyor.
Bildirilen benchmark sonuçları ne gösteriyor?
Spider 2.0-SQLite için HarnessSQL ile eğitilen 8B modelin sonucu %45,2 olarak veriliyor; bildirilen başlangıç değeri ise %15,5. 8
9 Ayrı bir haberde 14B model için %54,8 sonucu aktarılıyor. Aynı haberde OmniSQL-32B için %14,8, Arctic-Text2SQL-32B içinse %16,3 puan bildiriliyor.
2
Bu sonuçlar, modeli sorguları çalıştırdığı ortamı kullanacak şekilde eğitmenin söz konusu benchmark’ta ciddi fark yaratabileceğine işaret ediyor. Ancak daha küçük bir modelin her SQL iş yükünde daha büyük modelleri geçeceğini kanıtlamıyor: Sonuçlar kullanılan teste, kurulum biçimine ve karşılaştırılan modellere bağlı.
Açık raporlamada netleşmeyen noktalar
Erişilebilen kaynak alıntıları; araçların dört tanımının tamamı, etkileşim izlerinin ortalama uzunluğu, ayrıntılı bileşen analizleri ve LiveSQLBench karşılaştırmaları gibi deneysel ayrıntıların tümünü bağımsız biçimde doğrulamaya yetmiyor. Bu nedenle burada bu iddiaları doğrulanmış bilgi olarak aktarmıyoruz. Projenin deposu veri üretimi ve eğitim hattına ilişkin kodu sunarken makale, HarnessSQL’ın çalışma ortamını eğitim sürecine dahil eden genel yaklaşımını açıklıyor. 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 "Daha küçük bir model, veritabanı ortamında pratik yaparak SQL’de güçleniyor"?
HarnessSQL, 8B’lik bir SQL ajanını çalışacağı türden yürütülebilir bir veritabanı ortamında eğitiyor; Spider 2.0 SQLite’ta bildirilen sonuç %15,5’ten %45,2’ye yükseliyor.
What are the key points to validate first?
HarnessSQL, 8B’lik bir SQL ajanını çalışacağı türden yürütülebilir bir veritabanı ortamında eğitiyor; Spider 2.0 SQLite’ta bildirilen sonuç %15,5’ten %45,2’ye yükseliyor. Ajan tek seferde sorgu üretmekle sınırlı değil: tabloları ve şemaları inceleyebiliyor, sorgu çalıştırabiliyor ve aldığı geri bildirime göre sonraki adımını belirleyebiliyor.
What should I do next in practice?
Yöntem, etkileşim adımlarını koruyan denetimli ince ayarı, sorgu çalıştırma sonuçlarına dayalı pekiştirmeli öğrenmeyle birleştiriyor.
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