本论文介绍了名为UNITE的文本到SQL评估基准，包含12个以上领域的自然语言问题、3.9K多个SQL模式的查询和29K个数据库。比较了六种最新的SOTA文本到SQL解析器在该基准上的表现，发现这些模型在组合泛化和鲁棒性问题上仍存在困难。

该研究使用基于关系感知自注意机制的统一框架，在 Spider 数据集上实现了 65.6％的性能，成为了新的最佳表现。

本文介绍了一个使用多索引 Pandas 数据帧作为表格统一表示的 TableQA 框架，使用 Python 作为查询语言，能够将自然语言问题转化为可在 Pandas 数据帧上执行的 Python 程序。该框架允许自定义 API，具备扩展程序功能和外部知识。在四个 TableQA 数据集上进行了实验，取得了显著的改进。