Les auteurs ont reformulé cinq ensembles de données texte-vers-SQL (Spider, BIRD, BEAVER et deux variantes de LiveSQLBench) en tâches de récupération de tables et de colonnes pour évaluer la liaison de schémas. Ils proposent un ajustement fin adapté au corpus pour un embedder de 305M paramètres, ce qui augmente le rappel@10 moyen de 60,4 à 75,6.
- La méthode synthétise des requêtes en langage naturel directement à partir du corpus de schémas cible et extrait des négatifs durs sensibles à la granularité.
- Elle surpasse les embedders texte et code prêts à l'emploi, atteignant des résultats de pointe sur le benchmark.
- L'application de la même recette à un embedder de 8B a amélioré son rappel@10 de 77,8 à 78,4.
- Les expériences confirment que les gains reflètent une capacité transférable plutôt qu'un mémorisation des données.
Cela établit la liaison de schémas comme une tâche de récupération autonome et démontre l'adaptation au corpus légère et sans étiquette comme une voie pratique pour le déploiement à l'échelle de l'entreprise.