Ein schema-bewusstes Multi-Task-Lernframework (MTSQL) wird vorgestellt, um komplexe SQL-Abfragen zu synthetisieren, indem die Qualität der Ausrichtung zwischen Frage und Schema sowie die Auswahl der korrekten Schema-Elemente verbessert werden.
SiMBA, eine neue Architektur, die Mamba für die Sequenzmodellierung und EinFFT für die Kanalmodellierung verwendet, übertrifft bestehende Zustandsraummodelle und schließt die Leistungslücke zu state-of-the-art-Transformatoren.