schemagate 的 benchmark 结果衡量的是正确表是否进入了 prompt，而非最终 SQL 是否正确；仅使用了一个模型；Spider 和 BIRD 是公开数据集，模型可能在训练中见过；reranker 只重排数学方法已经入选的表，且只能看到表名和简短摘要。