**MEM-SQL:引入记忆机制的文本转 SQL 系统,准确率提升 34% 且大幅降低延迟**

_MEM-SQL: Memory-Empowered Text-to-SQL_

> 针对现有文本转 SQL 系统忽略历史查询上下文的问题,研究团队提出了 HARE 基准测试和 MEM-SQL 模型。MEM-SQL 通过存储完整查询模板、可复用 SQL 块及概念映射,实现了基于历史查询的自适应生成。实验表明,该方法在六个语言模型上的平均执行准确率从 37.1% 提升至 50.0%,同时输入 Token 消耗和延迟分别减少了 76.6% 和 68.8%。此外,按需模式链接(OSL)策略能进一步降低生成成本,但其对准确率的提升效果取决于具体的记忆设计。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:ai-models
- **发布时间**:2026-11-16 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2611.18338)