ESQ-Bench 是什么？
ESQ-Bench 是一个面向企业 Oracle 数据库的 NL2SQL 评测基准，包含465张表、164,682行数据和550个金标注问题-查询对，并按复杂度分为三个层级。
ESQ-Bench: A Multi-Tier Enterprise Oracle Benchmark for Evaluating NL2SQL Dialect Generalization and Silent Semantic Divergence
（翻译）ESQ-Bench：评估 NL2SQL 方言泛化与静默语义分歧的多层级企业 Oracle 基准
资讯摘要
Abstract page for arXiv paper 2608.23569: ESQ-Bench: A Multi-Tier Enterprise Oracle Benchmark for Evaluating NL2SQL Dialect Generalization and Silent Semantic Divergence
AI 摘要
ESQ-Bench 是一个面向企业 Oracle 环境的 NL2SQL 评测基准，包含465张表、约16.5万行数据和550个金标注问题-查询对，覆盖三个复杂度层级，并对比 Oracle、PostgreSQL、MySQL、SQL Server。结果显示 GPT-4o 等模型执行准确率随复杂度下降，静默语义分歧比例高达73%至99%。Claude Sonnet 4.6 在各层级均超过 GPT-4o，而本地 Llama 3.2 仅13.3%执行准确率。
AI 问答
评测中哪个模型表现最好？
Claude Sonnet 4.6 使用 schema-linked 提示在各复杂度层级上的执行准确率均超过 GPT-4o，分别达到87.4%、74.9%和68.7%。
更多资讯
泰国证交所修订卖空和高频交易规则分发与连接：抖音向左，美团向右，两种模式到底有什么差别这届 IROS 2026 上，具身学术与产业边界正在消融MooTool Next 1.3.0 发布！全新重写，带来更现代的界面与多窗口体验特斯拉FSD，在欧洲被打回原形
Kimi 现代高速开源治理的 AI Native 实践｜QCon上海七部门：推动电商领域高水平开放客户说要一个功能，产品经理怎么找到真正的需求在那？
8600万美元被盗 官方授权也不能保证硬件钱包安全？
重新思考 Neobank 新兴银行Agent 落地核心：真正决定上限的是 Harness 闭环，不是模型
巧合？Ledger 用户被盗9000万 经销商两个月前刚易主广合科技：前三季度净利润同比预增100.33%至107.23%闲鱼，中国最大的“AI服务商”？贾健旭卸任上汽大通法定代表人.NET多类型数据库通用库更新升级到V26.10.9Claude 动态多 Agent 工作流开始公测，支持庞大的工作负载
停产一年，宝马带着 iX4 重回溜背市场，海外售价 53 万元起受内存、存储芯片短缺推高价格，游戏硬件销量跌至13年新低ModStartCMS v10.3.0 安全加固、体验优化，自动化测试更强大。奈飞据悉正进行组织重组，预计将影响约5%的员工不输出文本、只输出概率的 Jev —— 上线几周估值飙到 75 亿美元AI产品经理到底要学哪些技术？传统PM不要把时间浪费在这3件事上
全球扩散语言模型最大融资诞生：经纬、顺为、君联数亿元押注扩散智能DiffuSpaceModStartBlog v11.3.0 安全加固、体验优化，自动化测试更强大纽约联储银行：特朗普关税导致67类商品价格上扬独家丨蔚来李斌最新内部讲话：明年将有重量级新车，未来3年的核心是三个聚焦超110台中国AR眼镜为WTTC全球峰会提供实时翻译服务美财长：美国国债已攀升至约41万亿美元规模欧盟轮值主席国提议将2028-2034年欧盟预算削减8%至1.6万亿欧元
Kimi 现代高速开源治理的 AI Native 实践｜QCon上海七部门：推动电商领域高水平开放客户说要一个功能，产品经理怎么找到真正的需求在那？8600万美元被盗 官方授权也不能保证硬件钱包安全？重新思考 Neobank 新兴银行Agent 落地核心：真正决定上限的是 Harness 闭环，不是模型巧合？Ledger 用户被盗9000万 经销商两个月前刚易主广合科技：前三季度净利润同比预增100.33%至107.23%闲鱼，中国最大的“AI服务商”？贾健旭卸任上汽大通法定代表人.NET多类型数据库通用库更新升级到V26.10.9Claude 动态多 Agent 工作流开始公测，支持庞大的工作负载停产一年，宝马带着 iX4 重回溜背市场，海外售价 53 万元起受内存、存储芯片短缺推高价格，游戏硬件销量跌至13年新低ModStartCMS v10.3.0 安全加固、体验优化，自动化测试更强大。奈飞据悉正进行组织重组，预计将影响约5%的员工不输出文本、只输出概率的 Jev —— 上线几周估值飙到 75 亿美元AI产品经理到底要学哪些技术？传统PM不要把时间浪费在这3件事上全球扩散语言模型最大融资诞生：经纬、顺为、君联数亿元押注扩散智能DiffuSpaceModStartBlog v11.3.0 安全加固、体验优化，自动化测试更强大纽约联储银行：特朗普关税导致67类商品价格上扬独家丨蔚来李斌最新内部讲话：明年将有重量级新车，未来3年的核心是三个聚焦超110台中国AR眼镜为WTTC全球峰会提供实时翻译服务美财长：美国国债已攀升至约41万亿美元规模欧盟轮值主席国提议将2028-2034年欧盟预算削减8%至1.6万亿欧元