8B 模型逆袭 32B！港科大团队开源首个长程交互 SQL Agent 框架 HarnessSQL

针对企业级数据库复杂场景中大模型难以直接生成完美 SQL 的难题，港科大与微软联合推出了首个面向真实执行环境的长程交互训练框架 HarnessSQL。该框架通过在密闭沙盒中进行监督微调与强化学习，显著提升了模型在未知数据库中的探索与纠错能力。

实验数据显示，HarnessSQL 仅需 8B 参数规模即可在 Spider 2.0-SQLite 基准上达到 45.2% 的执行准确率，这是现有基线的近 3 倍。相比之下，参数量更大的 OmniSQL（32B）和 Arctic-Text2SQL（32B）表现分别为 14.8% 和 16.3%，多智能体系统 MARS-SQL 则为 12.6%。

传统 Text-to-SQL 方法多采用单轮文本生成，无法适应包含上百张表、数千字段的真实业务环境。HarnessSQL 创新性地构建了高保真密闭执行沙盒与极简 SQL Harness 契约，将交互任务形式化为部分可观测马尔可夫决策过程（POMDP），有效解决了模型训练与部署脱节的问题。

该框架采用了两阶段后训练流水线：第一阶段利用教师模型筛选优质多轮交互轨迹进行全序列监督微调；第二阶段采用动态解耦裁剪策略优化，完全依托隐藏 Oracle 的真实执行对比赋予奖励信号，迫使模型在未知环境中自主进化出稳健的自纠错策略。

HarnessSQL 定义了包含枚举表、探查结构、试探查询和提交产物的四元极简动作契约，并内置确定性行数截断、循环调用警示器等三大护栏。目前相关论文已发布，开源代码可在 GitHub 获取。