AutoLink首创自主扩展模式链接，突破大规模Text-to-SQL瓶颈

背景：Text-to-SQL任务旨在将自然语言问题转换为SQL查询，但面对包含大量表和列的工业级大规模数据库时，直接将完整数据库模式（Schema）输入大语言模型（LLM）会导致计算成本高、噪声干扰和性能下降。研究目的：为解决大规模数据库中的模式链接（Schema Linking）难题，论文提出AutoLink方法，将模式链接从一次性静态筛选转变为由LLM驱动的智能体进行自主探索和渐进式扩展的过程。结论：AutoLink通过构建交互环境（数据库环境和模式向量存储），让智能体执行探索、检索、验证等动作，逐步构建高召回、低噪声的Schema子集。在Spider 2.0-Lite等基准测试中，AutoLink在严格召回率上显著优于现有方法，同时大幅降低token消耗，展现出更强的可扩展性和鲁棒性，为工业级Text-to-SQL提供了高效实用的解决方案。