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%。
更多资讯
iPhone 18 Pro & Duo 首发评测，提升最大的是「充电」和这个…
横扫四榜，DM0.5 凭什么面面俱到？
清晰法案有概率通过？市场可能并未定价高性能电动船艇动力系统公司获近亿A轮融资，海外收入增长450%丨36氪首发
加密行业今年最重要的一天 可能就是明天
OpenAI 总裁最新采访：现在所有人对 AI 的预测，大概率都是错的
贝森特回购落空与通胀重压 美联储加息或全面开启
AMC 炮轰 Robinhood：股票归谁做主？
美联储今起议息 沃什或成关键一票AI健康走进百姓餐桌，蚂蚁阿福推出AI饮食分功能
早报｜iOS27正式推送/比亚迪高管：燃油车在中国没有未来/iPhone 18 Pro渠道降价900元，苹果称不干预企业案例分享：伊辛智能｜36氪2026产业未来大会全球AI视频榜单第一梯队再添中国力量：智象发布首款物理规律导向视频模型
现在参与以太坊原生质押为什么要先排队一个月？B站AI无限竞技场今日上线！全球百大AI模型同场竞技，GPT-6高居榜首
豆包工作和飞书，把中国第一个团队 Agent 拉进了工作群
微软 CEO 纳德拉：AI 应用的机会正在变大，模型成本将继续下降
AI没有泡沫 只有割裂
派早报：豆包发布手机助手消费者版，绿联发布首款雷电 5 显卡坞等一款在浏览器里运行、部署在自己服务器上的 SQL 客户端
AI for everyone in every language
“裁判”不想给阿莫迪吹暂停
从 270 分钟到 18 分钟：B 端产品经理如何主导一个 AI 达人撮合系统
从 Trace 到规模化实时评估：面向生产流量的 Agent 可观测实践｜QCon上海
Scaling Federated Learning Across Docker, Kubernetes, and Slurm with NVIDIA FLARE
对话蚂蚁灵波 CEO 朱兴：机器人还吃不了「粗粮」
Anthropic CEO自爆行业黑幕58秒出杯，能拉花的咖啡机器人，在全球70国卖出600万杯前高通算法研发经理跨界AI算力板检测，获近亿元战略投资丨36氪首发支付宝 xUI -- “阿宝”背后的 Agentic 终端交互引擎