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%。