SQL-Zero: método treina agente Text-to-SQL sem dados anotados

O que aconteceu

O SQL-Zero é um método de treino apresentado no preprint arXiv:2609.04697v1, submetido em 4 de setembro de 2026. O SQL-Zero treina um agente de Text-to-SQL, ou seja, um modelo que converte perguntas em linguagem natural em consultas SQL, sem usar nenhum par anotado por humanos.

A arquitetura é um self-play do tipo proposer-solver. Dois papéis, um desafiante e um solucionador, partem do mesmo LLM base. A única fonte de verdade é a execução da query contra o próprio banco de dados: se o SQL roda e produz resultado, o sinal existe. O desafiante gera pares de perguntas e SQL calibrados para a dificuldade atual do solucionador, mirando problemas "difíceis mas solucionáveis". Os dois papéis são atualizados com GRPO em turnos alternados, e o desafiante recebe uma penalidade de repetição em nível de template para evitar colapso de diversidade nas tarefas geradas.

Os números: treinando em bancos do BIRD sem rótulos, o self-play supera o modelo base em zero-shot no BIRD dev em 6,6 pontos na escala 3B e 7,3 pontos na escala 7B.

Contexto

O gargalo do Text-to-SQL sempre foi a anotação. Treinar um agente competitivo exige pares de linguagem natural e SQL criados por pessoas, o que é caro, específico de cada domínio e trava a expansão para novos bancos. Cada empresa que quer um agente de dados interno precisa rotular exemplos do seu próprio schema.

O SQL-Zero ataca exatamente esse ponto. O método mostra que é possível treinar um solucionador competitivo com zero pares anotados, usando o banco de dados como juiz. O resultado também foi comparado a um grupo de controle treinado com a mesma receita, mas com os pares gold humanos do BIRD sobre os mesmos bancos. O self-play pontuou mais que esse controle, embora um teste pareado exato não consiga confirmar essa margem com significância estatística.

Por que importa

Para empresas, a implicação é direta: o custo de anotação, que hoje é a barreira de entrada para agentes de SQL domain-specific, pode desaparecer. Um modelo pode aprender contra os bancos reais da própria empresa, sem equipe rotulando perguntas.

Há uma ressalva importante sobre escala. A transferência de aprendizado depende do tamanho do modelo: na escala 3B, toda iteração supera o modelo base em bancos nunca vistos do Spider e sob perturbação lexical no Spider-Syn, onde o método também degrada menos que o controle treinado com gold humano. Já na escala 7B, apenas a primeira iteração preserva essa transferência.

Impacto

No curto prazo, o resultado reforça a tendência de treino por sinais verificáveis, em que a execução real substitui rótulos humanos. Bancos de dados são um caso ideal, porque a verificação é automática. No médio prazo, se a abordagem se confirmar em escalas maiores, a indústria de agentes de dados pode reduzir dependência de datasets anotados como o BIRD e o Spider, que dominam os benchmarks da área.

A limitação do 7B merece atenção de quem for aplicar: mais iterações de self-play não significam melhor generalização em modelos maiores, e o ganho de transferência pode se perder após a primeira iteração.

O que muda

O SQL-Zero muda a premissa de que anotação humana é pré-requisito para agentes Text-to-SQL competitivos. O desafiante e o solucionador, partindo do mesmo LLM base, provaram que o banco de dados em si basta como sinal de treino, com ganhos de 6,6 e 7,3 pontos no BIRD dev sem um único rótulo humano.

O que vem agora

O artigo é um preprint no arXiv e ainda precisa passar por revisão por pares. Os próximos passos naturais são replicações independentes dos resultados, testes em escalas maiores que 7B e investigação de por que a transferência para bancos novos se degrada após a primeira iteração na escala 7B. A página do artigo no arXiv indica ferramentas associadas de código e dados, o que deve facilitar reproduções pela comunidade.