近日，数据库领域重要国际学术会议The 28th International Conference on Extending Database Technology（EDBT 2025）公布论文评选结果。中国科学院软件研究所中文信息处理实验室论文DBCopilot：Natural Language Querying over Massive Databases via Schema Routing荣获最佳研究论文奖亚军（Runner-Up for Best Research Paper Award）。论文针对海量数据库查询的扩展问题，提出了一种大小模型协作的框架——DBCopilot，通过基于关系感知的端到端模式路由，实现海量数据源的高效准确自然语言查询。第一作者为博士生王天舒，通讯作者为林鸿宇副研究员和韩先培研究员。

EDBT 2025论文评选结果公布

随着大语言模型的快速发展，基于自然语言的数据库查询技术取得了显著进步。但在应对数据湖、数据仓库和开放数据门户等海量数据库系统的复杂查询需求时，用户常面临显著的效率制约，自然语言数据库接口规模化应用仍是行业难题。因而开发一种新型交互机制，允许用户通过自然语言实现海量数据库的智能查询至关重要。

针对上述挑战，研究团队提出了一种基于大小模型协同合作的DBCopilot框架，其核心在于建立自然语言与海量数据库模型元素的精准映射关系。该框架将海量数据库中的自然语言查询问题解耦合为模式路由（Schema　Routing）和SQL生成（SQL　Generation）两个阶段。在模式路由阶段，DBCopilot使用轻量级的可微搜索索引（Differential　Search　Index），构建跨库表的全域语义映射，并通过库表间关联关系的表征学习，实现基于关系感知的联合检索，从而将自然语言问题路由到目标库表；在SQL生成阶段，DBCopilot利用大模型通用且强大的生成能力，将路由到的模式与问题联合转换为SQL查询语句。此外，针对训练数据稀缺的问题，研究团队引入了基于反向模式生成的数据合成方法，无需人工标注即可自动适配到海量数据库。

DBCopilot框架

研究团队通过广泛实验验证了所提模式路由方法的有效性，以及大小模型协作框架的可扩展性。实验结果表明，在海量数据库环境下，DBCopilot的模式路由性能显著优于基于检索的基线方法，尤其在处理复杂查询时，召回率最高提升了19.88％；同时，对海量数据库查询的执行准确率也大幅提高，最高增幅达11.22％。

论文链接：https://openproceedings.org/2025/conf/edbt/paper-209.pdf