شهدت تقنية تحويل النصوص إلى SQL (Text-to-SQL) تقدماً كبيراً في السنوات الأخيرة بفضل نماذج اللغات الضخمة (Large Language Models)، إلا أن الاستعلامات المعقدة لا تزال تتطلب مهارات تفكير عميق يفوق ما تقدمه أساليب الجيل لمرة واحدة. للتغلب على هذه التحديات، تم تقديم إطار العمل EvoSQL الذي يعمل على صياغة تحويل SQL كعملية تفاعلية بين مولد (Generator) ونقد (Critic).

يمتاز EvoSQL بقدرته على الاحتفاظ بذاكرة مرشحين سياقية، مما يتيح له التحقق من استعلامات SQL باستخدام إشارات التنفيذ وتقييمات نماذج اللغات الكبيرة، كما يتم تحديث الذاكرة عبر تجميع موجه بواسطة الفائدة. لتعزيز تفاعل المولد والنقد، تم إدخال مرحلة تحسين سياسة التعليم الذاتي (Self-Distillation Policy Optimization) التي تضيف إشرافًا مدروسًا على التنفيذ إلى النماذج الحديثة.

أظهرت التجارب على مجموعات بيانات Spider وBIRD أن EvoSQL يحقق تحسنًا ملحوظًا في أداء النماذج مفتوحة المصدر، حيث سجلت نتائج كبيرة تجاوزت 9% في بعض الحالات، مما يدل على فعالية الإبداع المستند إلى الذاكرة في تطوير أنظمة تحويل النصوص إلى SQL. لمزيد من التفاصيل حول EvoSQL، يمكنكم زيارة الكود عبر GitHub.