作者：Siqiao Xue, Caigao Jiang, Wenhui Shi, Fangyin Cheng, Keting Chen, Hongjun Yang, Zhiping Zhang, Jianshan He, Hongyang Zhang, Ganglin Wei, Wang Zhao, Fan Zhou, Danrui Qi, Hong Yi, Shaodong Liu, Faqiang Chen
提交时间：2023年12月29日（v1）；2024年1月3日修订（v2）
主题分类：Computer Science > Databases (cs.DB)
arXiv 编号：arXiv:2312.17449
近期大语言模型（LLM）的突破正推动软件诸多领域的转型。数据库技术与 LLM 之间存在重要的关联，高效且直观的数据库交互至关重要。本文提出 DB-GPT——一个具有革命性且达到生产可用水平的项目，将 LLM 与传统数据库系统相结合，以提升用户体验与可访问性。
DB-GPT 旨在理解自然语言查询、提供上下文感知的响应，并高精度地生成复杂 SQL 查询，使其成为从新手到专家各类用户不可或缺的工具。DB-GPT 的核心创新在于其私有 LLM 技术：该模型在领域特定语料上微调，在提供先进 LLM 能力的同时维护用户隐私、保障数据安全。
论文详细介绍了 DB-GPT 的架构，包括：
- 新颖的检索增强生成（RAG）知识系统；
- 基于用户反馈持续改进性能的自适应学习机制；
- 面向服务的多模型框架（SMMF），配备强大的数据驱动智能体。
大量实验与用户研究证实，DB-GPT 代表了数据库交互方式的范式转变，提供了一种更自然、高效且安全的数据库访问方式。论文最后讨论了 DB-GPT 框架对人机-数据库交互未来的影响，并展望了该领域进一步改进与应用的可能方向。