论文提出在业务定义变更下验证Text-to-SQL查询的语义正确性方法

该研究指出在Text-to-SQL和AI智能体分析中，SQL执行成功并不等同于在业务定义变更下的语义正确性。作者针对退款归属、税务处理、合格人群及汇率日期等定义的变更，研究了固定查询的重验证问题，并建立了一个将请求修订与知识截止日期绑定到法律反例数据和精确货币比较的可执行验证配置文件。

基于32个新撰写的修订家族和两个本地生产者捆绑包进行的预注册确认保留了192个查询-定义单元格，其中144个不符合规范，36个有限套件一致，12个未解决。在八账本预算下，义务引导检查检测到137个差异，而通用排序检测为127个，配对差异为6.9个百分点（家庭自举95%区间[2.1, 13.6]；确切家庭符号翻转p=0.0156）。所有账本臂均未拒绝36个一致单元格中的任何一个。

事实层面，该研究建立了在其自有架构和本地模型范围内的可审计业务语义重验证配置文件。推断表明，当前义务和等权重评分匹配引导结果，表明覆盖范围而非特定修订优先级是观察到的收益来源。猜测部分需谨慎，因为“法律反例数据”的具体构成和“本地生产者捆绑包”的实际商业应用范围未在摘要中完全展开，仅能确认其在受控实验和自然查询试点中提供了机制和稳健性证据。