9月9日消息，第51屆數據庫頂會VLDB 2025在英國倫敦落幕，騰訊云大數據團隊兩項研究成果被大會成功接收。其中，在自然語言轉SQL（NL2SQL）領域，騰訊云與復旦大學合作提出的SQL修正框架“REDSQL”技術，可有效解決大語言模型在NL2SQL任務中易出錯的問題，顯著提升查詢準確性和實用性，為“聊天式數據分析”的落地提供技術支撐。

（騰訊云大數據團隊技術專家在VLDB2025上做主題分享）

自然語言轉SQL（NL2SQL）技術讓用戶用日常語言直接生成數據庫查詢語句，如“顯示銷售額最高的產品”。雖然降低了數據分析門檻，但大語言模型在實際應用中容易忽略深層業務規則、生成不符合規范的SQL，或在復雜數據庫和大數據量下出現上下文理解不足，影響查詢準確性和效率。

針對這些問題，騰訊云大數據團隊與復旦大學DASLAB實驗室團隊在論文《The Power of Constraints in Natural Language to SQL Translation》中提出REDSQL。該技術通過約束驗證機制智能修正SQL查詢，并生成精煉的數據摘要文檔，幫助AI快速理解數據庫結構、字段類型和數據關系，從而降低生成錯誤SQL的概率。

REDSQL的工作流程包括兩個階段：離線文檔化和在線處理。離線階段為數據庫創建精煉的語義描述和約束信息，包括字段類型、主外鍵關系、數據取值范圍及業務規則摘要，使AI在生成SQL時可直接利用這些結構化信息。

在線階段針對每條用戶查詢，系統先生成初始SQL并捕獲潛在錯誤，再通過約束驗證機制檢查數據類型匹配、連接條件和聚合邏輯，自動修正不符合規范的查詢，同時擴展相關上下文信息供AI優化SQL。

在權威基準測試BIRD上，REDSQL使主流NL2SQL方法的準確率平均提升18%以上，有的原本精度較高的方法結合REDSQL后準確率提升至66.2%，刷新歷史記錄。實驗顯示，REDSQL可即插即用集成到現有AI系統，無需重新訓練模型，適用于企業數據門戶或BI工具，并保證查詢安全和合規性。

除此之外，騰訊大數據團隊還面向參數調優領域，提出“SCompression”技術，通過時間切片與聚類采樣壓縮數據庫負載，使調優速度提升40倍以上，性能偏差低于5%。該成果可與現有調優工具兼容，幫助企業大幅降低數據庫調優的時間與資源成本，加速“自動參數調優”走向商用。

目前，這些研究成果已應用在騰訊云大數據產品線中，助力各行各業客戶構建高性能的數據處理與分析能力。