8B逆袭32B!开源首个长程交互SQL Agent框架,面向真实数据库
2026.11.03 · 收录日 2026.11.03 · 产品 · 开源项目 · 论文预印本
港科大与微软等团队开源HarnessSQL,用沙盒交互训练让8B模型SQL执行准确率反超32B专用模型。
港科大与微软等团队推出首个原生长程环境交互训练框架HarnessSQL,在密闭沙盒与专用SQL Harness中进行长程轨迹SFT与执行奖励RL。在Spider 2.0-SQLite上,8B模型达45.2%执行准确率,14B模型达54.8%,大幅超越32B专用模型与多智能体系统。
- HarnessSQL构建79个复杂数据库沙盒,采用SQL-First蓝图合成法反向生成问题与验证Oracle。
- 提炼四元极简动作契约:sql_list_tables、sql_schema、sql_exec、sql_submit,并内置行数截断、循环警示与上下文压缩护栏。
- 两阶段后训练:全轨迹长程SFT冷启动,再用DAPO强化学习对齐,奖励完全依托隐藏Oracle真实执行对比。
- Spider 2.0-SQLite上8B达45.2%、14B达54.8%,远超OmniSQL-32B的14.8%与Arctic-Text2SQL-32B的16.3%。
- 消融显示:非交互式SFT仅9.6%低于未微调基座,32K上下文带来显著提升,DAPO优于GRPO与GSPO。
为什么值得看
揭示长程Agent训练范式:交互环境必须纳入训练闭环。
适合谁关注
Text-to-SQL、数据库智能体与通用Agent研发者。
