港科大微软开源HarnessSQL 8B反超32B

时间：2026年11月2日（中文媒体报道与代码开源当天；论文在arXiv的版本记录为2026年10月8日提交、10月14日更新） 地点：中国香港（香港科技大学）与微软团队联合，线上发布 人物：论文作者Haolin Yang、Jipeng Zhang、Zhiqiang Qian、Jian Xie、Shuaishuai Gong、Yike Guo、Sirui Han，以及参与合作的微软研究院团队 事件详情：港科技大学与微软等团队推出原生长程环境交互训练框架HarnessSQL，面向在真实数据库里工作的Text-to-SQL智能体。框架的核心做法是把交互环境直接纳入训练闭环：搭建可执行的密闭数据库沙盒并配隐藏验证器，让教师模型直接在目标SQL环境中探索，只保留通过验证的完整轨迹做全序列监督微调，再以执行结果作为奖励做强化学习。团队基于Spider 2.0-Lite的30个SQLite库和Spider 2.0-DBT的49个DuckDB库构建了79个沙盒，并从DeepSeek-Harness改造出专用于SQL任务的DSH-SQL动作契约，包含sql_list_tables、sql_schema、sql_exec、sql_submit四个动作。论文摘要给出的结果是，Qwen3-8B在Spider 2.0-SQLite上的执行准确率从15.5%提升到45.2%，Qwen3-14B从22.2%提升到54.8%。代码、沙盒环境与合成轨迹资产已在GitHub开源。 背景：传统Text-to-SQL把自然语言问题一次性映射成静态SQL，训练目标只是最终那段查询语句。但真实业务库动辄上百张表、数千字段，分析师不会单轮盲猜，而是先探表结构、跑试探性查询、看报错再改逻辑。论文把这种落差称为训练与部署脱节：负责调解交互的执行环境只在推理阶段才出现，模型训练时从未见过报错、空结果集和数据库命令行权限边界，遇到长任务容易陷入死循环。同期出现的SQL专用模型和多智能体方案大多仍在单轮生成框架内改进，HarnessSQL则选择把长程交互本身当作训练对象。 影响：对做企业数据库问答和智能体产品的团队，这套方法给出了一条可复用的路径，论文称代码、沙盒和合成轨迹全部开源，可以直接拿来复现或二次改造。论文的对比显示，8B模型在Spider 2.0-SQLite上的45.2%明显高于OmniSQL-32B的14.8%、Arctic-Text2SQL-32B的16.3%、Qwen2.5-Coder-32B的16.3%和多智能体方案MARS-SQL的12.6%；在域外的LiveSQLBench上，8B为24.8%、14B为28.5%，是32B基线区间7.0%至8.9%的三到四倍。论文的消融实验还给出几个反直觉结论：只做强化学习而不先做轨迹微调，8B只能从15.5%升到20.0%；训练与推理环境不一致时准确率反而跌到9.6%，低于未微调基座；上下文窗口从8K扩到32K时准确率从27.4%升到45.2%。需要留意的是，这些数字出自论文团队自己在三个基准上的实验，跨模型、跨企业数据库的复现情况尚未验证，论文也把扩展到Snowflake、BigQuery、PostgreSQL等方言列为后续工作。 总结：HarnessSQL的贡献不是更大的参数规模，而是把交互环境当成训练对象，让模型先在沙盒里学会探查、再学会写对。论文实验显示，同一个8B底座经原生长程训练后执行准确率从15.5%抬到45.2%，14B从22.2%抬到54.8%，反超32B专用模型和多智能体系统。对国内开发者来说，代码、沙盒与轨迹数据都已开源，可直接复用；同时也要清楚，这些成绩来自论文自身的三个基准，真实企业库上的效果仍需第三方验证。 常见问题： 问：HarnessSQL 是什么？ 答：港科大与微软等团队提出的长程交互训练框架，训练在真实数据库里探查并写 SQL 的智能体。 问：8B 怎么超过 32B？ 答：论文称 Qwen3-8B 执行准确率从 15.5% 升到 45.2%，高于 OmniSQL-32B 的 14.8%。 问：训练用的沙盒环境开源吗？ 答：代码、79 个沙盒和合成轨迹资产都在 GitHub 上开源，可直接复现。 参考来源： 36氪：8B逆袭32B，开源首个长程交互SQL Agent框架，面向真实数据库 https://36kr.com/p/4052424433619843 arXiv 论文：HarnessSQL: Harness-Native Training for SQL Agents in Realistic Database Environments https://arxiv.org/abs/2610.12274 GitHub 开源仓库：YangHaolin0526/HarnessSQL https://github.com/YangHaolin0526/HarnessSQL C114中文网：8B逆袭32B，开源首个长程交互SQL Agent框架，面向真实数据库 https://www.c114.net.cn/industry/140769.html 火星财经：港科大与微软等团队推出开源长程交互SQL Agent框架HarnessSQL https://news.marsbit.co/20261102182118845088.html AI地带：8B逆袭32B，开源首个长程交互SQL Agent框架，面向真实数据库 https://zgaiagent.cn/items/20348.html