RESEARCH
科研成果
聚焦 Text2SQL 生成及缓存方法研究，在轻量化推理、语义缓存、自纠错方法等方向取得系统性成果。 以第一作者身份发表 CCF 论文 2 篇，以学生第一发明人授权发明专利 5 项。
学术论文
CCF 推荐会议 · 第一作者
SIPC-SQL: Enhancing Zero-Shot Text-to-SQL via Structure-Aware Intent Parsing and Complexity-Adaptive Routing
基于结构感知意图解析和复杂度自适应路由的零样本 Text-to-SQL 方法
王庆瀚（第一作者）
针对复杂对话场景下的推理断裂问题，设计并实现了一套轻量化结构化零样本推理框架。该框架无需依赖微调或上下文示例，即可提升模型推理的可靠性与效率。在 Spider 测试集上，该框架将 SQL 生成准确率提升至84.8%。
SchemaAware-Cache: A Context- and Schema-Aware Semantic Caching Framework for Efficient Text-to-SQL Systems
面向高效 Text-to-SQL 系统的上下文与模式感知语义缓存框架
王庆瀚（第一作者）
针对通用缓存框架在 SQL 任务中的适配性问题，提出了一种融合上下文感知与模式约束的高效缓存框架。该框架通过精准匹配查询模式与上下文依赖，显著提升了缓存命中率，在多项专项测试中，将缓存响应延迟较直接 SQL 生成降低 7 倍以上。
发明专利
已授权 · 学生第一发明人
一种基于大语言模型的NL2SQL生成方法
申请日：2025.10.13 | 授权日：2025.12.23
结合语义映射、历史查询日志、外部模式链接三个维度进行SQL模式定位，构建融合分层筛选与对比学习的样例，基于候选SQL与多维度置信融合生成多条候选SQL并交叉验证。
一种基于语义的Text2SQL缓存方法及系统
申请日：2025.11.28 | 授权日：2026.02.24
将高维语义向量与结构特征向量加权拼接，构建结构化语义缓存库与检索模块，引入轻量级语义一致性校验与动态缓存生命周期管理，大幅提升查询效率。
一种基于上下文与模式匹配的Text2SQL语义缓存方法
申请日：2026.02.09 | 授权日：2026.04.10
将用户查询进行语义压缩，通过上下文编码器和两级注意力得到全局上下文表示，结合粗粒度过滤与细粒度上下文匹配判断缓存命中，解决SQL复用准确率低、响应延迟高的问题。
一种基于错误模式感知的Text2SQL自纠错方法
申请日：2026.01.19 | 授权日：2026.05.05
从孤立报错信息中抽象通用错误模式构建知识图谱，构建包含状态记忆的动态反馈循环，将SQL修正建模为诊断-检索-验证闭环控制流，引导LLM建立可泛化的SQL错误诊断与修复能力。
基于结构感知与自适应路由的零样本 Text2SQL 生成方法
申请日：2026.04.01 | 授权日：2026.06.19
采用轻量级提示与复杂度自适应路由决策相结合，动态选择查询生成路径，在零样本条件下保证结构正确性和语义一致性，有效控制推理成本。
科研项目
省级重大科研项目参与
政务大模型关键技术及应用
NO.2024CXGC010111
聚焦 Text-to-SQL 生成及缓存方法研究，旨在提升文本到 SQL 转换的准确性与效率，赋能企业级智能数据分析平台。
行业大模型智能计算平台关键技术攻关与创新应用
NO.202333043
深度参与行业大模型智能计算平台建设，聚焦大模型在垂直行业的落地应用。