HarnessSQL 研究解读：SQL Agent 为什么要在真实执行环境中训练

快速结论

HarnessSQL 研究在目标 SQL harness 内保留多轮交互进行训练，报告 Qwen3-8B 的 Spider 2.0-SQLite 执行准确率从 15.5% 升至 45.2%。

HarnessSQL 研究在目标 SQL harness 内保留多轮交互进行训练，报告 Qwen3-8B 的 Spider 2.0-SQLite 执行准确率从 15.5% 升至 45.2%。
原始事件日期与本站核查日期分别标注。

本次更新：去重后新增报道，标明原始日期与核查范围。

接下来可以做什么

查看显存需求与硬件配置，评估模型部署条件。

HarnessSQL 论文首次提交于 2026 年 10 月 8 日，本次核对版本为 10 月 14 日的 v3。这是研究补充解读，不是 11 月 9 日发布的新模型。近期报道将它与 DeepSeek Harness 生态联系起来，原始成绩仍应回到论文条件阅读。

作者关注 SQL Agent 在部署时需要检查数据库结构、执行探测、诊断错误并修改查询，而训练却可能只有静态问答映射。其方案在目标执行 harness 中保留交互轨迹，用经过验证的轨迹进行监督微调，再以执行奖励训练。

作者报告 Qwen3-8B 在 Spider 2.0-SQLite 的执行准确率由 15.5% 提升到 45.2%，Qwen3-14B 由 22.2% 到 54.8%。这里训练与评估的是指定 Qwen 模型和方法，不能改写成 DeepSeek 某款模型得分，也不能推断任意企业数据库均有同样提升。

对数据库应用开发者，值得借鉴的是将模式探索、错误恢复和执行结果核验纳入评估。接入真实业务前仍应在授权测试数据上确认权限、查询正确性与资源预算。

本次于 2026 年 11 月 9 日核查，来源结论明确归因，未进行安装或独立复现。

本文依据以下资料整理，版本与接口信息请以来源页面的现行说明为准。