लेखकों ने पाँच टेक्स्ट-टू-SQL डेटासेट (Spider, BIRD, BEAVER और दो LiveSQLBench वेरिएंट्स) को स्कीमा लिंकिंग का मूल्यांकन करने के लिए टेबल और कॉलम रिकॉलिवेशन टास्क के रूप में पुनर्परिभाषित किया। उन्होंने 305M-पैरामीटर एम्बेडर के लिए कोरपस-अनुकूल फाइन-ट्यूनिंग प्रस्तावित की, जिससे औसत recall@10 को 60.4 से बढ़ाकर 75.6 किया गया।
- विधि लक्ष्य स्कीमा कोरपस से सीधे प्राकृतिक भाषा क्वेरी संश्लेषित करती है और ग्रैन्युलरिटी-अवेयर हार्ड नेगेटिव्स खनन करती है।
- यह ऑफ-द-शेल टेक्स्ट और कोड एम्बेडर्स से बेहतर प्रदर्शन करता है, बेंचमार्क पर state-of-the-art परिणामों के बराबर है।
- 8B एम्बेडर पर समान रेसिपी लागू करने से इसकी recall@10 को 77.8 से बढ़ाकर 78.4 किया गया।
- प्रयोग पुष्टि करते हैं कि लाभ डेटा मेमोराइजेशन के बजाय ट्रांसफरेबल क्षमता को दर्शाते हैं।
यह स्कीमा लिंकिंग को एक स्वतंत्र रिकॉलिवेशन टास्क के रूप में स्थापित करता है और एंटरप्राइज़-स्केल डिप्लॉयमेंट के लिए हल्के, लेबल-फ्री कोरपस एडाप्शन को एक व्यावहारिक मार्ग के रूप में प्रदर्शित करता है।