Авторы переосмыслили пять наборов данных «текст в SQL» (Spider, BIRD, BEAVER и два варианта LiveSQLBench) как задачи извлечения таблиц и столбцов для оценки связывания схем. Они предлагают дообучение, адаптированное к корпусу, для эмбеддера с 305 млн параметров, что повышает среднюю полноту (recall@10) с 60,4 до 75,6.
- Метод синтезирует запросы на естественном языке непосредственно из целевого корпуса схем и выявляет сложные отрицательные примеры с учётом гранулярности.
- Он превосходит готовые текстовые и кодовые эмбеддеры, достигая результатов уровня state-of-the-art на бенчмарке.
- Применение того же подхода к эмбеддеру на 8 млрд параметров улучшило его recall@10 с 77,8 до 78,4.
- Эксперименты подтверждают, что прирост отражает переносимые способности, а не запоминание данных.
Это закрепляет связывание схем как самостоятельную задачу извлечения и демонстрирует лёгкую адаптацию корпуса без меток как практичный путь для развёртывания в масштабах предприятия.