面向长程数据库智能体的任务状态抽象学习

基于摘要分析。本文研究工具调用型数据库智能体如何持续记录已知信息、已尝试操作及后续决策所需证据，提出 TSADB，将数据库 schema 拓扑、查询意图、执行轨迹与错误语义整合为学习得到的任务状态，以支持长程顺序决策。 机制上，结构化状态输入轻量级 PPO 策略，冻结的语言模型负责生成工具参数，将控制决策与参数生成分开。摘要未说明状态编码结构、训练数据构造及奖励的具体形式，不能据此将其视为通常意义上的 State Space Model 架构。 作者报告，在 BIRD-SQL 与 Spider 2.0-Lite 的主要比较中，TSADB 相对各自最强的匹配基线，执行准确率分别提升 10.0 和 10.4 个百分点；另一个训练预算匹配的比较中，相对 RL-ReAct 在 BIRD 上提升 7.9 个百分点。这些结果属于不同对照条件，不宜合并比较。 状态表示与奖励的析因实验中，作者报告：保留进度奖励时，改用平铺历史编码使准确率下降 9.1 个百分点；保留学习状态时，移除该奖励使准确率下降 10.5 个百分点。在至少需要 16 次调用的任务上，状态表示的效果差异扩大至 18.5 个百分点。作者还报告，监督式控制同样受益于该表示；在共享的 800 任务评估中的长任务上，PPO 比监督式控制高 13.1 个百分点，长任务的具体划分仍待核对。 作者报告，完整系统在组合 schema 扰动下保留原准确率的 74%，这不等于扰动后绝对准确率为 74%。摘要另提及官方对话式交互、有限错误投影适配下的迁移、终止与奖励构造实验，但未给出具体结果。实验划分、基线配置、消融细节、统计信息及代码可得性尚未验证。研究对象是数据库智能体，材料未提供 EEG 或 BCI 验证，不应将其结果直接解释为神经信号建模能力。