GTR：跨域数据库系统中采用过渡表示的 SQL 生成器

基于摘要分析。本文研究跨域数据库系统中的 NL-to-SQL，针对自然语言表达与 SQL 实现细节不匹配，以及域外（OOD）词汇导致表列预测困难的问题，提出采用过渡表示（transition representation，TR）的 SQL 生成器 GTR，以中间表示衔接自然语言理解与 SQL 生成。 方法分为三步：首先学习问题与数据库模式之间的关系；随后使用基于语法的模型合成 TR；最后依据规则将 TR 转换为 SQL。核心思路是将直接的端到端转换拆解为关系学习、中间表示生成与规则转换，使 TR 成为兼容自然语言与 SQL 的桥梁。摘要未给出 TR 的具体形式、语法约束、模型结构、训练目标及规则覆盖范围，这些内容尚未验证。 作者报告，在 Spider 和 WikiSQL 的测试集上，GTR 的精确匹配准确率分别为 58.32% 和 71.29%，并称优于所比较的当时最先进方法。摘要未明确数据集版本、具体划分、对照模型及评估实现，因此不能进一步判断优势幅度或跨协议比较结果；实验协议、消融及统计信息尚未验证。 该研究的主要对象是数据库查询生成，而非神经信号建模。其机制依赖数据库模式、SQL 语法与转换规则，材料未提供与 EEG 瓶颈的具体对应关系，因此不据此推导 BCI 算法改进或复现实验建议。复现前需核对 TR 定义、语法与转换规则、训练配置，以及测试集和精确匹配指标的实现。