core-db-bundle

Hugging Face2026-10-21 更新2026-10-22 收录

Text-to-SQL强化学习

CoRE-DB执行环境对比

数据链接：

https://huggingface.co/datasets/thanhdath/core-db-bundle 数据链接链接失效反馈

官方服务：

资源简介：

该数据集是门控的 Hugging Face 数据集 thanhdath/core-db-bundle，pretty_name 为 CoRE-DB RL bundle (FINER-SQL-3B-BIRD, Spider+BIRD train)，许可证为 other，发布日期为 2026-10-22，替代 2026-10-20；旧脚本和文档位于 archive/2026-10-20/，不应使用。它服务于对 FINER-SQL-3B-BIRD 进行持续 GRPO 强化学习的场景，目标是在全部 Spider train 与 BIRD train 问题（18,087 条）上再训练 2 个 epoch，并比较 CoRE-DB 与原始数据库作为奖励/执行环境的效果。数据集捆绑数据、模型和脚本：包括 FINER-SQL-3B-BIRD 模型（约 6.2 GB）、Qwen3-Embedding-0.6B 嵌入模型（约 1.2 GB）、原始 Spider/BIRD 训练数据库（压缩包 8 GB，解压后约 31 GB）、CoRE-DB v5（约 0.6 GB；树 253fb988，792 个 sqlite 文件，覆盖全部 BIRD/Spider 训练 DB 和 18,087 个问题），以及代码和输入。CoRE v7（树 a547722f，679 个 sqlite 文件）仅用于 2,208 条 prone 子集（199 个 DB，1,881 个 gold）。coredb+origdb 预检期望 1007 个 sqlite 文件，树为 full_core 与 orig。下载体积约 17 GB，解压后的原始 DB 约 31 GB。奖励设置在各 arm 间共用相同 trainer、recipe 和 corpus，仅奖励环境不同：奖励 = 格式 + 执行 + 官方 verdict（BIRD 按行集合；Spider 按测试套件规则、去掉 DISTINCT、bag 比较）；atomic credit 开启（对可执行但错误 SQL 的 SQL 结构评分）；memory/intrinsic thought reward 开启，每次运行新建 ChromaDB 存储，并在作业 GPU 上运行 Qwen3-Embedding-0.6B 嵌入服务器。强制 arm 为 coredb 和 origdb；可选 arm 包括 coredb_gate、coredb_tier2、coredb_tier2_ts、prone_origdb、prone_coredb、prone_coredb_gate、prone_coredb_tier2、prone_coredb_tier2_ts。全量 arm 有 18,087 行，prone arm 有 2,208 行。固定训练配方为：有效 batch 32、学习率 8e-6、KL beta 0.04、8 generations、temperature 1.0、seed 42、bf16、2 epochs、max_prompt_length 2048、max_completion_length 2048、标准 AdamW、官方 verdict、atomic credit、memory reward。使用方式面向 SLURM，每个 arm 一张 GPU；推荐 H200 > H100 > A100 80GB，A100 40GB 不支持 3B。访问受门控，需要写权限 token；作业会将状态、日志、指标和 checkpoint 推送到同一 HF 仓库的 runs/ 下。HF checkpoint 包含权重、tokenizer、config 和 trainer_state.json，优化器状态通常跳过；本地 checkpoint 保留优化器、scheduler 和 RNG 以精确恢复。适用任务包括文本到 SQL/数据库执行强化学习、SQL 执行正确性奖励、CoRE-DB 与原始 DB 对比实验，以及 Spider/BIRD 上的训练与评估。

This is a gated Hugging Face dataset thanhdath/core-db-bundle, pretty_name CoRE-DB RL bundle (FINER-SQL-3B-BIRD, Spider+BIRD train), license other, released 2026-10-22, supersedes 2026-10-20; old scripts and docs under archive/2026-10-20/ should not be used. It serves continual GRPO reinforcement learning for FINER-SQL-3B-BIRD, aiming to retrain for 2 epochs on all Spider train and BIRD train questions (18,087) and compare CoRE-DB versus original databases as reward/execution environments. The bundle includes data, models and scripts: FINER-SQL-3B-BIRD model (~6.2 GB), Qwen3-Embedding-0.6B embedding model (~1.2 GB), original Spider/BIRD training databases (8 GB compressed, ~31 GB uncompressed), CoRE-DB v5 (~0.6 GB; tree 253fb988, 792 sqlite files, covering all BIRD/Spider training DBs and 18,087 questions), plus code and inputs. CoRE v7 (tree a547722f, 679 sqlite files) is only used for the 2,208-question prone subset (199 DBs, 1,881 gold). The coredb+origdb precheck expects 1007 sqlite files with trees full_core and orig. Download size is about 17 GB, and uncompressed original DBs about 31 GB. Reward setup shares the same trainer, recipe and corpus across arms; only reward environment differs: reward = format + execution + official verdict (BIRD by row sets; Spider by test-suite rules, removing DISTINCT, bag comparison); atomic credit enabled (SQL structure scoring for executable but incorrect SQL); memory/intrinsic thought reward enabled, with a new ChromaDB store per run and Qwen3-Embedding-0.6B embedding server on the job GPU. Mandatory arms are coredb and origdb; optional arms include coredb_gate, coredb_tier2, coredb_tier2_ts, prone_origdb, prone_coredb, prone_coredb_gate, prone_coredb_tier2, prone_coredb_tier2_ts. Full arms have 18,087 rows; prone arms have 2,208 rows. Fixed training recipe: effective batch 32, learning rate 8e-6, KL beta 0.04, 8 generations, temperature 1.0, seed 42, bf16, 2 epochs, max_prompt_length 2048, max_completion_length 2048, standard AdamW, official verdict, atomic credit, memory reward. Usage is SLURM-oriented, one GPU per arm; recommended H200 > H100 > A100 80GB, A100 40GB is not supported for 3B. Access is gated and requires a write token; jobs push status, logs, metrics and checkpoints to runs/ in the same HF repository. HF checkpoints contain weights, tokenizer, config and trainer_state.json; optimizer state is usually skipped; local checkpoints keep optimizer, scheduler and RNG for exact resume. Applicable tasks include text-to-SQL/database execution reinforcement learning, SQL execution correctness rewards, CoRE-DB versus original DB comparison experiments, and training/evaluation on Spider/BIRD.

创建时间：

2026-10-20

原始信息汇总

CoRE-DB RL bundle 数据集概述

基本信息

数据集名称：thanhdath/core-db-bundle
pretty_name：CoRE-DB RL bundle (FINER-SQL-3B-BIRD, Spider+BIRD train)
许可证：other
数据集页面：https://huggingface.co/datasets/thanhdath/core-db-bundle
发布版本：2026-10-22，替代 2026-10-20；旧脚本和文档位于 HF 数据集仓库中的 archive/2026-10-20/，不得使用。
监控与状态页：https://huggingface.co/datasets/thanhdath/core-db-bundle/blob/main/runs/STATUS.md

用途与内容

用于训练 FINER-SQL-3B-BIRD，进行额外 2 个 epoch 的 GRPO，覆盖所有 Spider train 和 BIRD train 问题，共 18,087 条。
配方为 RL 会话当前 FINER-SQL 配置记录。所有 arm 使用相同 trainer、recipe 和 corpus，仅 reward 环境不同。
reward 组成：format + execution + official verdict。BIRD 使用 set of rows；Spider 使用 test-suite rule，DISTINCT removed，bag compare。
atomic credit 开启：对可执行但错误 SQL 的 SQL 结构评分。
memory（intrinsic thought）reward 开启：每次运行新建 ChromaDB 存储，并使用 Qwen3-Embedding-0.6B embed server，运行在任务 GPU 上。
数据、模型和脚本均来自 gated HF 数据集 thanhdath/core-db-bundle，包含 data、model 和 scripts（slurm/）。
所有者无法看到执行机器；监控仅通过任务推送到同一 HF 仓库的 runs/ 下。因此需要该数据集的 write token。

数据集配置

config_name	default	split	data_files
`prone_v7_2208`	true	train	https://huggingface.co/datasets/thanhdath/core-db-bundle/blob/main/stage/prone_v7/arms/BJ/inputs/train.parquet
`full_18087`	-	train	https://huggingface.co/datasets/thanhdath/core-db-bundle/blob/main/stage/arms/BJ/inputs/train.parquet

训练 ARM

ARM	need	reward DBs and rule	RL session arm	rows	steps / epoch	total steps (2 epochs)	HF checkpoints
`coredb`	mandatory	CoRE-DB v5 only：correct = official-correct on D0 and every active member DB	CP25	18,087	4,522	9,044	4522, 9044
`origdb`	mandatory	original Spider / BIRD train DBs（pure DB swap）	AP24	18,081	4,521	9,042	4521, 9042
`coredb_gate`	optional	CoRE-DB v5 for groups where one own rollout is correct on original DB and on CoRE；other groups on original DB	CP26	18,087	4,522	9,044	4522, 9044
`coredb_tier2`	optional	ORI-based：original-DB verdict，plus a 0.5 bonus when also CoRE-correct	CP28	18,087	4,522	9,044	4522, 9044
`coredb_tier2_ts`	optional	`coredb_tier2` with memory term x 0.25 and atomic credit x 0.5	CP29	18,087	4,522	9,044	4522, 9044
`prone_origdb`	optional	RL session 的 exact pair on its 2,208 spurious-prone questions：original DBs	AP24	2,208	552	1,104	276, 552, 828, 1104
`prone_coredb`	optional	prone subset，CoRE v7 only	CP25	2,208	552	1,104	276, 552, 828, 1104
`prone_coredb_gate`	optional	prone subset，CoRE v7 with exemplar gate	CP26	2,208	552	1,104	276, 552, 828, 1104
`prone_coredb_tier2`	optional	prone subset，ORI-based tier two on CoRE v7	CP28	2,208	552	1,104	276, 552, 828, 1104
`prone_coredb_tier2_ts`	optional	prone subset，tier two with re-weighted terms	CP29	2,208	552	1,104	276, 552, 828, 1104

origdb 在原始 BIRD DBs 上会丢失 6 个超时 BIRD golds。coredb 与 origdb 为必训 arm；可选 arm 仅在所有者要求时训练。

提交命令

从 slurm/ 运行，且在 srun_test.sh 对每个要提交的 arm PASS 后执行： bash bash submit_best.sh ARMS="coredb origdb" bash submit_best.sh --chain 4 ARMS="coredb_tier2" bash submit_best.sh --chain 4 sbatch --gres=gpu:h100:1 --export=ALL,ARM=coredb train_3b_h100.sh

CoRE 树

full-corpus arms 使用 CoRE-DB v5，tree 253fb988，792 个 sqlite 文件。它覆盖所有 BIRD 和 Spider train DB 以及全部 18,087 问题，与 2026-10-20 发布相同。
RL 会话较新的 CoRE v7，tree a547722f，679 个 sqlite 文件，仅为 2,208 问题的 prone 子集构建，包含 199 个 DB、1,881 个 golds。因此仅用于 prone_* arms。

固定训练参数与限制

effective batch：32 sequences per optimizer step，4 prompts x 8 generations，PER_DEVICE x GRAD_ACC = 32。
learning rate 8e-6，KL beta 0.04，8 generations，temperature 1.0，seed 42，bf16。
2 epochs，max_prompt_length 2048，max_completion_length 2048。
标准 AdamW，不得使用 8-bit Adam 或其他优化器。
official verdict、atomic credit ON、memory reward ON（--intrinsic_top_k 20）；不得添加 --no-memory 或 --no-atomic。
corpus、reward、trainer 文件和 arm 的 reward 设置均经过 hash 校验。
仅可更改 memory knobs：PER_DEVICE/GRAD_ACC、VLLM_MEM、GRAD_CKPT。
OOM 回退顺序：
1. PER_DEVICE 减半，GRAD_ACC 加倍。
2. 若关闭则设置 GRAD_CKPT=1。
3. VLLM_MEM 每次降低 0.02，最低到 80 GB 为 0.10，141 GB 为 0.06。
4. 仍 OOM 则停止并报告。不得使用 REF_DTYPE=bfloat16 或未经所有者批准的其他更改。
执行顺序：setup env（SLURM 外）-> download -> verify -> 对每个要提交的 arm 在目标 GPU 类型上 srun_test.sh PASS -> sbatch（通过 submit_best.sh）。未 PASS 不得 sbatch。
不得删除 HF 上 runs/ 下内容。不得编辑 HF 数据集仓库中的 stage/ 或 model/。不得使用 HF 数据集仓库中的 archive/。
GPU 优先级：H200 > H100 > A100 80GB。A100 40GB 不支持 3B，标准 AdamW 下 OOM。

每 GPU 配置（3B）

GPU file	card	`PER_DEVICE` x `GRAD_ACC`	`VLLM_MEM`	`GRAD_CKPT`	`REF_DTYPE`	s/step	peak VRAM	time / epoch (full)	status
`train_3b_h200.sh`	H200 141 GB	4 x 8	0.12	0	float32	~9（estimate）	~110 GB（estimate）	~11 h	estimated, not run
`train_3b_h100.sh`	H100 80 GB	4 x 8	0.20	1	float32	~10（estimate）	~74 GB（estimate）	~13 h	estimated, not run
`train_3b_a100_80g.sh`	A100 80 GB	4 x 8	0.20	1	float32	~18（estimate）	~74 GB（estimate）	~23 h	estimated, not run
`train_3b_a100_40g.sh`	A100 40 GB	-	-	-	-	-	OOM	-	not supported for 3B，文件拒绝启动

embed server 每行增加 0.08 卡内存：80 GB 为 6.4 GB，141 GB 为 11 GB。
每个 arm 每步成本约相同。coredb* arms 还会等待 CoRE API，bundle-scope arms 运行两个 API。
完整 2-epoch 运行约为每个 arm 每 epoch 时间的 2 倍。prone_* 运行 1,104 步，约为完整运行的 1/8。各 arm 作为独立任务运行，一 GPU 一个。

估计来源

峰值内存：固定内存 34.5 GB（bf16 policy 6.2 + grads 6.2 + fp32 KL reference 12.3 + AdamW states 12.3 GB）。此外有 vLLM 份额、embed server 的 0.08 卡内存。激活约 micro-batch 2 时 8.5 GB，micro-batch 4 时约 17 GB。
速度：在 A100 40 GB MIG slice（42/108 SMs，无 memory reward）测得 3B 为 36.5 s/step。其他速度按计算缩放，另加约 10% 用于 memory reward 和 official Spider verdict。
40 GB 测试：标准 AdamW 下，3B 在该 slice 第一个 optimizer step OOM，即使 1x32、VLLM_MEM 0.18 和 gradient checkpointing。
本版本未在 GPU 上测量。2026-10-22 脚本尚未在任何 GPU 上运行训练步骤。srun_test.sh PASS 是第一次 GPU 运行，需报告其 s/step 和 peak VRAM。

操作步骤

获取脚本：需要所有者 token；安装 huggingface_hub，下载 slurm/* 和 README.md 到 $CRDB_ROOT/bundle。
构建环境：bash setup_env.sh。创建 conda 环境 coredb-rl，Python 3.11.15，torch 2.8.0 cu128，安装 requirements 等。预期 ENV OK。
获取访问和下载：请求 fine-grained HF token，需对 thanhdath/core-db-bundle 有 write access。bash download_bundle.sh 或 ARMS=all bash download_bundle.sh。预期 preflight OK、[data] OK。
验证：bash verify_setup.sh；可选 CACHE_CHECK=1。预期 VERIFY PASS。
目标 GPU 类型上的 srun 测试：bash srun_test.sh h100 coredb、bash srun_test.sh h100 origdb 等。预期 SRUN_TEST PASS。
提交：bash submit_best.sh。
HF 监控：查看 runs/STATUS.md 和 HF 仓库 https://huggingface.co/datasets/thanhdath/core-db-bundle 下 runs/<arm>/<jobid>/ 目录。

任务内部运行内容

sbatch train_3b_<gpu>.sh (ARM=...)
preflight：env imports/versions、bundle sha256、HF write access（失败退出码 11-16）。
hf_pusher.py --loop：后台每 6 分钟推送 status/logs/metrics，checkpoints 推送到 HF。
run_train.py：在 127.0.0.1 上启动 original DBs 的 db_execution API，coredb* 额外启动 CoRE tree 的第二个 API，每个 API 做 40-gold probe。
Qwen3-Embedding-0.6B embed server（vLLM，占 0.08 GPU）+ 空的 run-local ChromaDB store。
accelerate launch w19_train_entry：trl GRPO + vLLM colocate，使用 RL 会话 pinned trainer files，reward adapter 代码 instrument_pilot_v12_official，以及 arm 的 RL_TIER / RL_V12_GATE / RL_TERM_SCALE。
EXIT trap：hf_pusher.py --final，状态 done/failed、退出码、最后 200 行日志，等待最后 checkpoint 上传。

本地输出在 $CRDB_ROOT/runs/<RUN_NAME>/，默认 RUN_NAME=3b_<arm>_2ep。

run/checkpoints/checkpoint-<step>/：完整 HF checkpoints。保留 epoch checkpoints 及最新 rolling resume point（coredb* 每 646 步，origdb 每 411 步，prone_* 每 276 步）。
run/process.log、run/STEP_TIMING_v1.jsonl、run/TELEMETRY.jsonl、run/ROLLOUT_LOG_V2.jsonl、run/BUNDLE_REWARD_STATS.json、run/chroma_db/、run/MEMORY_*.json、gpu_mem.csv、RUN_RESULT_<job>.json、hf_pusher.log。

HF 上每个 job 在 HF 仓库 https://huggingface.co/datasets/thanhdath/core-db-bundle 的 runs/<arm>/<jobid>/ 下包含：

status.json
log_tail.txt（最后 300 行日志）
logs/（完整日志，gzip 分片）
metrics/（每步 timing 和 rewards、trainer log history、reward-tier statistics BUNDLE_REWARD_STATS.json、MEMORY_START.json / MEMORY_FINAL.json）
checkpoint-<step>/：full arms 每个 epoch 末，prone_* 每 276 步。

推送每 6 分钟一次（HF_PUSH_INTERVAL），任何退出时最终推送。running 行更新时间远旧于 6 分钟表示节点死亡且未最终推送。

Resume

使用相同 ARM 和 RUN_NAME 重新提交，或使用 submit_best.sh --chain N。trainer 从最新本地 checkpoint-* 恢复 optimizer、scheduler、RNG 和 step。不完整 checkpoint 先重命名为 incomplete_checkpoint-*。
memory store 在 resume 时重新空启动。reward adapter 要求开始时空 store，因此上一 job 的 store 移到 run/chroma_db_prev_<time>。RUN_RESULT_<job>.json 在 memory_store_restarted 下记录。
使用 --chain 且集群允许的最长 walltime，使一次运行尽可能少 resume。
resume 时可切换 GPU 文件：仅 micro-batch 拆分变化。
HF checkpoints 给所有者，包含 weights、tokenizer、config 和 trainer_state.json。optimizer state 仅当其大小至多为 weights 的 2 倍时上传。AdamW state 略大于 2 倍 bf16 weights，因此跳过。HF checkpoint 可从这些权重开始新运行，但不能继续精确 optimizer 轨迹。精确恢复使用本地 checkpoint，其保留 optimizer、scheduler 和 RNG。

故障排除摘要

symptom	fix
`PREFLIGHT FAIL: set ARM= one of: ...`	在 `--export` 中添加 `ARM=`
`PREFLIGHT FAIL: env python missing`	运行 `setup_env.sh`，或 `export CRDB_PY=/path/to/env/bin/python`
`PREFLIGHT FAIL: bundle files / sha256`	用覆盖该 arm 的 `ARMS` 重新运行 `download_bundle.sh`
`PREFLIGHT FAIL: no HF write access`	在 sbatch 前 `export HF_TOKEN=<write token>`，并保持 `--export=ALL`；token 需对 `thanhdath/core-db-bundle` 有 write access
`trainer / reward files differ from the RL sessions pinned hashes`	`stage/code` 被编辑；重新下载
`reward adapter probe failed`	arm 模式不在 adapter install line；查看 `DRYRUN.json` 的 `adapter_probe` 并报告
`FATAL embed server did not come up`	查看 `run/EMBEDDER_try*.log` 和 `run/MEMORY_START.json`；通常为 GPU 内存或端口忙
`NO CUDA (missing --gres?)`	提供 `--gres=gpu:<type>:1`
`CUDA out of memory`	按 OOM 回退顺序处理
`API did not answer /meta`	查看 `runs/<RUN_NAME>/api_orig.log` / `api_core.log`。launcher 会为其 127.0.0 地址丢弃代理变量

报告要求

向所有者报告每个 arm 的 SRUN_TEST PASS 行。
报告 submit_best.sh 打印的 job ids。
报告 HF 链接：https://huggingface.co/datasets/thanhdath/core-db-bundle/blob/main/runs/STATUS.md
报告从配置表中更改的每个 knob 及原因。
失败时报告错误行及其位置：HF 上 job 的 log_tail.txt。

搜集汇总

数据集介绍

构建方式

在文本到SQL生成与强化学习交叉研究中，CoRE-DB RL bundle 以 FINER-SQL-3B-BIRD 为训练基座，汇集 Spider 与 BIRD 训练集全部 18,087 条问题，并设置了 full_18087 与 prone_v7_2208 两种数据入口。其构建要点在于将原始 Spider/BIRD 训练数据库、覆盖全量问题的 CoRE-DB v5 树（792 个 SQLite 文件）以及面向 2,208 条易错问题的 CoRE v7 树（679 个 SQLite 文件）共同封装，同时纳入模型权重、SLURM 脚本、奖励适配器、验证工具与 HF 推送组件；该 RL 资源通过受控 HuggingFace 数据集发布，并以哈希校验保证训练配方和数据库树的可复现性。

使用方法

面向可复现强化学习实验与多臂调度，使用者需获取 thanhdath/core-db-bundle 的写入型 HuggingFace 令牌，下载 slurm 脚本后于 SLURM 外构建环境。下载与校验由 download_bundle.sh、verify_setup.sh 完成，任一臂在目标 GPU 上通过 srun_test.sh 后方可经 submit_best.sh 提交 coredb 与 origdb 等臂，或使用 sbatch train_3b_h100.sh 手动启动。支持 H200、H100 与 A100 80GB，A100 40GB 不适用于 3B 训练；训练状态见 runs/STATUS.md，恢复时同名 ARM 与 RUN_NAME 可续训，而记忆库会以空存储重启。

背景与挑战

背景概述

面向文本到SQL的强化学习，CoRE-DB RL bundle 于2026年10月22日发布，由Hugging Face账号thanhdath维护，承接并替代2026年10月20日版本。其核心研究问题是在Spider与BIRD全部训练问题（18,087条）上，以GRPO对FINER-SQL-3B-BIRD继续训练两个epoch，并比较CoRE-DB v5与原始Spider/BIRD数据库所构成的奖励环境。该bundle汇集数据、模型、SLURM脚本、奖励适配器与运行监控，强调官方判定、原子信用和内在记忆奖励，为可复现的持续强化学习与跨数据库SQL生成研究提供基准式资源。

当前挑战

在文本到SQL领域，执行正确性远非字符串匹配，需应对BIRD行集合判定、Spider测试套件规则及DISTINCT移除后的袋比较，并处理模式异构、值分布漂移、数据库超时与strftime当前时间等动态金标。构建层面，18,087题与792个SQLite文件需经门控HF下载、SHA256校验和固定依赖环境，3B模型的GRPO训练受显存约束，vLLM共置、Qwen3-Embedding嵌入服务及每轮空ChromaDB记忆库进一步抬高资源门槛；SLURM单卡多臂、断点续训、检查点上传与A100 40GB不支持等限制，令可复现执行充满工程挑战。

常用场景

经典使用场景

在文本到SQL语义解析与执行式强化学习的研究脉络中，该数据集最经典的使用场景是作为FINER-SQL-3B-BIRD的持续GRPO训练捆绑包，在Spider与BIRD训练集的18,087个问题上进行两轮强化学习。其full_18087配置覆盖全量问题，并通过coredb与origdb两个必选分支，分别以CoRE-DB v5和原始Spider/BIRD数据库作为奖励执行环境。训练过程联合格式奖励、执行奖励、官方裁决、原子信用与记忆奖励，以比较数据库环境变化对策略优化的影响。prone_v7_2208配置则面向2,208个易产生虚假正确或执行歧义的问题，用于细粒度诊断奖励稳健性。

解决学术问题

于执行式文本到SQL奖励建模与可复现评测的学术讨论中，该数据集直面原始Spider与BIRD数据库在版本、schema、时态函数及执行语义上的不一致问题。此类差异会使强化学习中的执行奖励偏离真实正确性，诱发奖励噪声、虚假正确与跨实验不可比。CoRE-DB以冻结SQLite树提供覆盖全训练集的统一执行环境，结合官方裁决、集合比较及Spider测试套件规则，为策略优化提供稳定的奖励信号。其意义在于将数据库环境本身纳入可控变量，支持对奖励可靠性、环境偏差和模型鲁棒性进行系统检验，并为执行式评测的可复现性提供基础设施。

实际应用

在自然语言接口数据库、智能SQL代理与自动化数据问答的产业实践中，该数据集支撑面向真实数据库的Text-to-SQL模型后训练与评测。其捆绑的模型、脚本、SLURM配置和HF状态推送机制，使研究者能在H200、H100或A100 80GB等GPU上复现GRPO训练，并通过CoRE-DB或原始数据库奖励环境获得检查点与运行指标。实际应用涵盖企业BI自然语言查询、跨库SQL生成、执行结果校验、数据库代理的奖励塑形，以及需要稳定执行裁决的离线模型选型。prone子集还可用于定位模型在时间函数、重复行和测试套件规则下的脆弱环节。

数据集最近研究