Any text-to-SQL benchmark should address difficulties of real-world data stores

作者指出常见 text-to-SQL 基准假设 schema 整洁、字段含义明确、问题能由单条查询回答，而真实数据仓库充满历史表、隐式业务规则、脏值和权限边界。模型即使生成语法正确 SQL，也可能选择错误口径；文章因此要求评测加入数据理解、澄清交互与结果验证，而非只做字符串或执行匹配。