待验证50% 置信基准精确时间

研究表明Text-to-SQL在真实企业数据库上的准确率远低于标准化基准测试，主因之一是字段命名不规范和业务语义缺失

1

来源数

50%

置信度

长期有效

时效性

2026/9/21

首次发现

来源

数据本体论：AI智能体缺失的上下文层

涉及实体

Text-to-SQLtechnology

相关事实

待验证传统端到端Text-to-SQL方案在企业级复杂查询场景下失败率高，难以直接商用79% 相似待验证大模型在Text-to-SQL场景中面临幻觉问题，可能生成语法正确但表名/列名错误的SQL71% 相似待验证NL2SQL 工具的查询结果准确性依赖底层数据的质量和治理，模糊或有歧义的提问可能得到误导性答案69% 相似待验证直接让 LLM 生成 SQL 风险很高，因为模型不了解表结构、字段含义和业务定义，容易生成语法正确但结果错误的查询68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/939675

API

curl https://kongchang.com/api/v1/knowledge/claims/939675

MCP

get_claim(id=939675)