Text2SQL任务将自然语言查询转为SQL，经历四个阶段，目前面临提示优化、模型训练和推理增强三大难题。本文提出J-Schema和Iterative DPO方法，使模型在BIRD数据集上的执行准确率从56.6%提升至69.2%。通过思维链引导推理，采用自洽性方法优化答案选择，取得显著效果。

本文探讨了Text2SQL技术的发展及挑战，提出J-Schema方法优化数据库结构理解，并通过迭代DPO训练提升模型性能，最终在BIRD数据集上将执行准确率从56.6%提高至69.2%。