超越静态流程：学习用于文本到SQL的动态工作流

尽管文本到SQL任务近期取得了显著进展，但在实际场景中仍难以有效应用。这一问题源于对单一静态工作流的依赖，严重限制了其在分布外和长尾场景中的扩展性。为解决此问题，本文提出SquRL，一种强化学习框架，旨在增强LLM在动态工作流构建中的推理能力。通过理论与实证分析，我们证明最优动态策略始终优于最佳静态工作流，性能提升主要由候选工作流间的异质性驱动。为此，我们设计了一种基于规则的奖励函数，并引入两种有效的训练机制：动态演员掩码以鼓励更广泛的探索，以及伪奖励以提高训练效率。实验表明，动态工作流构建方法在广泛使用的文本到SQL基准测试中表现优异，尤其在复杂和分布外查询上效果显著。