text2ql框架革新数据库自然语言查询：支持多目标、零LLM模式实现100%执行准确率

传统数据库自然语言接口长期面临三大结构性局限：仅支持关系型SQL查询、运行时无条件依赖大语言模型推理、缺乏对生成查询语义错误的运行时信号监测。arXiv最新研究提出的开源Python框架text2ql通过创新的语言无关中间表示（QueryIR）和可插拔渲染器架构，系统性解决了这些难题。

该框架采用统一的七阶段检测流程，同时支持SQL和GraphQL两种查询目标。其突破性在于提供了两种运行模式：在LLM增强模式下，基于Spider和BIRD基准测试的50个随机查询样本（完整评估尚在进行中），实现了62-70%的精确匹配率和84-91%的执行准确率；在零LLM确定性模式下，所有100个测试案例均实现100%执行准确率且无解析错误，中位延迟仅3.2毫秒，完全无需API调用成本。

技术亮点包括：每生成查询都附带基于加性信号模型计算的运行时置信度评分（范围0.15-0.97）；消融研究表明，模式感知提示是提升准确率的关键因素，在两个基准测试中相比无模式基线带来18.4个百分点的精确匹配提升。text2ql已以Apache 2.0许可证在PyPI开源发布，为数据库自然语言查询领域提供了兼顾性能与可靠性的新解决方案。