腾讯云联合复旦大学提出 CYANSQL：基于聚类的Test-Time Scaling方法，提升复杂 NL2SQL 生成能力

腾讯QQ大数据

发布于 2026-05-18 10:14:46

点击蓝字关注我们

本文共计3901字预计阅读时长12分钟

在自然语言到 SQL 转换（NL2SQL）方向，腾讯云联合复旦大学提出CYANSQL：Cluster-aware Yielded Augmentation for NL2SQL 方法。该工作围绕复杂查询场景下大语言模型 SQL 生成能力不足的问题，提出了一种基于 SQL 逻辑结构聚类的Test-Time Scaling框架，在主流评测数据集 BIRD 上取得 87.22% 召回率（比行业最佳提升近5%），和73.47%准确率，有效提升了 NL2SQL 系统在复杂逻辑组合、候选生成多样性和最终 SQL 选择准确性方面的表现。

该研究论文已被数据与数据管理领域国际顶会 ICDE 2026录用。ICDE与SIGMOD、VLDB并列数据与数据管理领域三大顶级学术会议，被中国计算机学会评为A类会议，近年论文录用率约为20%，代表了全球数据与数据管理领域的风向标。

复杂 NL2SQL 的核心挑战：模型并不总能“见过”正确的逻辑结构

近年来，大语言模型在 NL2SQL 任务中展现出较强能力，能够根据自然语言问题自动生成 SQL 查询。然而，在真实企业数据分析场景中，用户问题往往涉及复杂的逻辑组合，例如多表 JOIN、GROUP BY、HAVING、聚合排序、嵌套查询、条件过滤等。对于这类问题，模型是否能够生成正确 SQL，很大程度上取决于提示词中的示例是否覆盖了对应的逻辑结构。

传统 few-shot 方法通常根据自然语言相似度选取少量示例作为 demonstrations。但自然语言相似并不意味着 SQL 逻辑结构相似。一旦选取的示例没有覆盖目标问题所需的关键逻辑组合，模型即使具备较强语言能力，也可能生成错误 SQL。

例如，在一个需要“按城市统计注册人数并返回注册人数最低的前 5 个城市”的查询中，如果提示示例只包含简单 ORDER BY，而不包含聚合排序逻辑，模型容易生成错误查询；而当示例中包含 ORDER BY SUM(...) 这类结构时，模型更容易学习到正确逻辑并生成正确 SQL。这说明，示例中的逻辑结构对模型生成结果具有直接影响。

因此，“找语义相似的示例”在复杂SQL推理中可能并不奏效，如何在推理阶段让模型接触到更全面、更有代表性的 SQL 逻辑结构知识，才是解决问题的关键。

CYANSQL：通过结构聚类实现Test-Time Scaling

针对上述问题，CYANSQL 提出了一种新的思路：不再仅依赖少量语义相似示例，而是先对示例 SQL 的逻辑结构进行聚类，再在推理阶段从不同结构簇中并行生成候选 SQL，最后通过执行结果增强的排序模型选出最优结果。

CYANSQL 核心架构——结构聚类驱动的 Test-Time Scaling 框架

整体框架包含三个核心阶段：

第一，Cluster Build，结构聚类构建。CYANSQL 首先从示例 SQL 中抽取 SQL Skeleton，即保留 SELECT、FROM、JOIN、WHERE、GROUP BY、ORDER BY 等操作关键字，同时将具体表名、列名和值替换为占位符，从而得到一个只描述 SQL 逻辑流程的抽象结构。随后，系统将这些 SQL Skeleton 构建成类似前缀树的自动机结构，并借鉴 Huffman Coding 的思想，将结构相近的 SQL Skeleton 合并为若干聚类。每个聚类代表一种相对独立的 SQL 逻辑组合模式。

第二，Candidate Generate，多路径候选生成。在推理阶段，CYANSQL 为每个输入问题启动多条并行生成路径。每条路径只使用来自某一个结构簇的示例进行提示，使模型分别从不同逻辑结构视角生成 SQL 候选。这样，部分路径可能更擅长 JOIN 类问题，部分路径可能覆盖复杂聚合、GROUP BY、HAVING 或排序逻辑。通过这种方式，CYANSQL 能够显著提升候选 SQL 的多样性和召回率。

第三，Candidate Rank，候选排序选择。在得到大量候选 SQL 后，CYANSQL 会执行这些 SQL，并根据执行结果将其划分为不同等价类。系统保留若干最大等价类中的代表性 SQL，并将 SQL 语法、裁剪后的相关 Schema 信息以及真实执行结果共同输入排序模型，由排序模型选择最终 SQL。相比只看 SQL 文本，执行结果能够提供更加直接、明确的判断信号，帮助模型区分语义相近但结果不同的候选查询。

实验结果：BIRD 数据集87.22% 召回率

在主流 NL2SQL 评测数据集 BIRD development set 上，CYANSQL 达到 87.22% Recall比行业原最佳提升近5%，同时Execution Match accuracy达到73.47% 。

其中，Recall 衡量的是生成候选集中是否至少存在一个正确 SQL。高召回率表明，基于结构聚类的Test-Time Scaling策略能够有效扩大模型对不同逻辑组合的覆盖范围，使系统在候选生成阶段获得更高的上限。随后，通过执行结果增强的排序模块，系统能够从大量候选 SQL 中进一步筛选出更可能正确的最终答案。

消融实验也进一步验证了各模块的有效性。去除 SQL 修订模块后，准确率和召回率均出现明显下降；去除聚类机制、改用固定示例后，召回率下降接近 5 个百分点，说明基于 SQL Skeleton 的结构聚类是提升逻辑覆盖能力的关键；在排序阶段，去除执行结果或 Schema 裁剪也会带来性能下降，而完全去除排序模块、仅选择最常见执行结果，则会导致更明显的准确率损失。这些结果说明，CYANSQL 的生成多样性和执行增强排序机制共同推动了整体性能提升。

持续探索：从 VLDB 到 ICDE，连续两年入选数据与数据管理领域国际顶会

这并非腾讯云大数据团队首次在 NL2SQL 方向取得国际学术突破。腾讯云大数据团队从2024年开始布局NL2SQL、NL2Code和RAG等AI重点领域；在2025 年，团队提出的"数据内容感知"设计理念即被数据与数据管理领域国际顶会 VLDB 接收——该设计可无缝集成到主流 NL2SQL 系统中，最高将查询执行准确率提升 18.3%；同时该能力也跟云产品EMR、DLC、ES和TCHouse做深度集成，让用户可以通过自然语言轻松完成数据任务开发、数据科学以及交互式分析等任务。

从"数据内容感知"到 CYANSQL 的"结构聚类 × 推理时扩展"，团队在 NL2SQL 方向连续两年获 VLDB、ICDE 国际顶会收录，方法路线持续演进，体现了在 AI Native 大数据核心能力方向的系统性投入，目前团队在持续攻克大数据场景下需要复杂推理的Agent for Data System 的各类挑战。

腾讯云数据分析智能体（TCDataAgent）在NL2SQL权威评测中表现不俗：

Bird 榜单排名位列全球第三、国内第一（2025年6月）

Spider 2.0-Snow 榜单排名位列全球第一（2026年2月）

面向企业级智能数据分析，推动 AI Native大数据平台能力演进

NL2SQL 是企业智能数据分析的重要入口。随着企业数据规模持续增长、数据模型日益复杂，真实业务场景中的数据分析问题往往不再是简单单表查询，而是涉及复杂的业务逻辑、跨表关联、多层聚合和结果验证。如何让自然语言查询系统稳定生成正确、可执行、符合业务语义的 SQL，是 AI Native 大数据平台和智能分析系统面临的核心挑战之一。

CYANSQL 从“Test-Time Scaling”的角度，为复杂 NL2SQL 提供了一种新的技术路径：通过结构化组织历史示例，在推理阶段系统性增强模型对 SQL 逻辑组合的覆盖能力；同时结合执行反馈和排序模型，提高最终 SQL 选择的可靠性。这一技术路线已在TCDataAgent中落地应用——其NL2SQL 能力由 Test-Time Scaling 与排序模型协同强化，大幅提升自然语言取数精度。

CYANSQL 的研究突破，与腾讯云大数据 AI Native 产品架构演进同频。2026 年腾讯云大数据产品架构演进，聚焦打造数据和系统智能、分析与 AI 融合计算及多模态数据湖，实现从 AI Ready 到 AI Native。 在数据和系统智能层，TCDataAgent、TCInsight 等产品把大模型能力前置到数据消费入口；在分析与 AI 融合计算层，EMR、DLC、TCHouse 系列与 ES 等产品支撑分析、AI 计算与搜索三类核心场景；在底层，多模态智能数据湖 TCLake 提供面向多模态数据的统一存储与目录底座。CYANSQL 等前沿研究，在数据和系统智能层强化产品的自然语言交互能力，与全栈产品矩阵协同，帮助企业以更自然、更高效、更可靠的方式释放数据价值。

未来，研究团队将继续围绕复杂 NL2SQL、候选排序、执行反馈、推理成本优化等方向开展深入探索，进一步提升自然语言数据分析系统在真实企业场景中的可用性、准确性和可扩展性。