Thinking Machines将任务专长融入RL，Text-to-SQL达SOTA

Thinking Machines的研究团队将任务专业知识引入强化学习，在Text-to-SQL任务上取得当前最优（SOTA）结果。他们发现现有Text-to-SQL训练数据噪声极大，并从BIRD Train中采样了2.5k实例。该工作对提升Text-to-SQL准确性和构建可靠数据问答Agent具有参考价值。

为什么值得关注：Text-to-SQL是ChatBI/Data Agent的核心技术路径，该研究展示了用RL注入任务专长突破SOTA，值得数据Agent开发者关注。