في عالم الذكاء الاصطناعي، يعتبر الربط الهيكلي (Schema Linking) خطوة أساسية ضمن مسارات تحويل النص إلى SQL. الهدف منه هو استرجاع الجداول والأعمدة ذات الصلة من قاعدة البيانات المستهدفة لاستعلام المستخدم، متجاهلاً العناصر غير ذات الصلة. ولكن، في كثير من الأحيان، يمكن أن يؤدي الربط الهيكلي غير المثالي إلى استبعاد الأعمدة المطلوبة اللازمة لإنشاء استعلام دقيق.

في هذا العمل، نقوم بإعادة تقييم الربط الهيكلي عند استخدام أحدث جيل من نماذج اللغات الضخمة (Large Language Models). فقد وجدنا تجريبيًا أن النماذج الجديدة قادرة على استغلال العناصر الهيكلية ذات الصلة أثناء توليد الاستعلامات، حتى في وجود أعداد كبيرة من العناصر غير ذات الصلة. بفضل هذه القدرة، نستطيع التخلي تمامًا عن الربط الهيكلي في الحالات التي تتناسب فيها البنية مع نطاق النموذج، وذلك لتقليل المشكلات الناجمة عن تصفية العناصر الهيكلية المطلوبة.

علاوة على ذلك، بدلاً من تصفية المعلومات السياقية، نبرز تقنيات مثل التAugmentation، والاختيار، والتصحيح، ونعتمد عليها لتحسين دقة مسار تحويل النص إلى SQL الخاص بنا. وقد حققت طريقتنا المرتبة الأولى على معيار BIRD، حيث حققت دقة تصل إلى 71.83%.

إن التحول المذهل في طريقة تعاملنا مع معالجة البيانات والبحث عن المعلومات يمكن أن يفتح آفاقًا جديدة في عالم الذكاء الاصطناعي. فهل نستعد لنشهد نهاية الحقبة القديمة من الربط الهيكلي؟ ما هي الأفكار التي تراودكم حول هذا التطور الكبير؟ شاركونا في التعليقات.