LLM-Based SQL Generation: Prompting, Self-Refinement, and Adaptive Weighted Majority Voting
基于大型语言模型的SQL生成：提示、自我完善与自适应加权多数投票
机构 * Institute of Information Management（信息管理研究所） ； National Yang Ming Chiao Tung University（阳明交通大学） ； R. B. Annis School of Engineering（R. B. Annis工程学院） ； University of Indianapolis（印第安纳大学）
专题命中 图谱与结构化RAG ：knowledge retrieval(abstract)；分类 cs.AI、cs.DB
AI总结 本文提出SSEV管道，通过自我完善与加权多数投票提升SQL生成准确性，在多个基准测试中取得良好成绩，并进一步提出ReCAPAgent-SQL框架以应对企业数据库复杂性，提升实际应用效果。
Comments 29 pages, 22 figures
Journal ref 2026 International Conference on Information Management
