CrashDB-QA
一种本地化、基于数据库模式的智能体工作流系统，用于通过自然语言查询和分析车祸数据库，包含问题理解、SQL生成与验证、执行和结果解释等模块。
时间轴 (近 90 天)
CrashDB-QA 是一个完全本地化、基于数据库模式的智能体工作流，旨在通过自然语言直接分析车祸数据库。
CrashDB-QA 在包含 440 万条威斯康星州车祸记录的冻结快照上进行了评估。
研究团队构建了涵盖 10 个分析类别的 300 个问题基准，并测试了 9 个本地开源模型。
领域知识 grounding 显著提高了查询准确率。
一个代码专用的 7B 模型在测试模型中实现了最佳的准确率与延迟平衡。
组合分析（如组间或时段比较）比常规检索更难处理。
CrashDB-QA 包含多个专门组件：理解用户问题、生成并验证只读 SQL、执行查询、解释结果。
共享知识库将查询构建锚定在机构的数据字典和安全分析惯例上，同时记录中间输出以支持检查与审计。
该研究仅针对一个州的数据，其通用性有待进一步验证。
全部知识事实 (9)
CrashDB-QA 是一个完全本地化、基于数据库模式的智能体工作流，旨在通过自然语言直接分析车祸数据库。
50%待验证CrashDB-QA 在包含 440 万条威斯康星州车祸记录的冻结快照上进行了评估。
50%待验证研究团队构建了涵盖 10 个分析类别的 300 个问题基准，并测试了 9 个本地开源模型。
50%待验证领域知识 grounding 显著提高了查询准确率。
50%待验证一个代码专用的 7B 模型在测试模型中实现了最佳的准确率与延迟平衡。
50%待验证组合分析（如组间或时段比较）比常规检索更难处理。
50%待验证CrashDB-QA 包含多个专门组件：理解用户问题、生成并验证只读 SQL、执行查询、解释结果。
50%待验证共享知识库将查询构建锚定在机构的数据字典和安全分析惯例上，同时记录中间输出以支持检查与审计。
50%待验证该研究仅针对一个州的数据，其通用性有待进一步验证。
50%