背景
1、文本到SQL翻译是将自然语言问题翻译为SQL查询的任务，具有广泛的应用前景。然而，在少样本情况下，现有的方法往往无法很好地泛化到新的数据集上。 2、过去方案: 过去的方法主要采用预训练语言模型（PLM）和提示学习来解决文本到SQL翻译问题。然而，在少样本情况下，这些方法的泛化能力仍然有限。
方法
针对少样本文本到SQL翻译问题，本文提出了一种新的框架，通过将任务分解为结构和内容两个阶段来提高翻译的准确性。同时，采用混合提示策略和关键词约束解码来进一步改进翻译效果。
1、模型结构-分成两个阶段, SQL-Structure 结构生成， SQL-content 生成（和Irnet分俩阶段生成很相似）
2、模型解码-picard
结果
