arXiv · NLP· Tao Liu, Tao Feng, Xiangheng Li, Jinwang Song, Yifan Li, Xiaoqing Cheng, Dixuan Zhang, Siquan Li, Lin Lan, Hongying Zan, Kunli Zhang, Chao Wu·· 2026-10-09AI 评分25
SERL-SQL:面向文本转SQL强化学习智能体的选择性事后蒸馏
SERL-SQL: Selective Hindsight Distillation for Text-to-SQL Reinforcement Agentic Learning
AI 导读
SERL-SQL通过选择性执行基础事后蒸馏,在多轮Text-to-SQL智能体上实现76.56% BIRD-Dev与89.92% Spider-Test执行准确率。 框架利用教师模型重评分学生动作,将执行反馈转化为有界掩码权重,重新加权GRPO优势值以进行局部信用分配。 实验表明其奖励选择策略接近最佳N候选上界,优于基于一致性的选择方法,代码即将开源。
来源:arXiv · NLP · arxiv.org