본 논문은 GPT-4와 같은 대규모 언어 모델(LLM)의 등장으로 인해 실세계 응용을 위한 소규모 언어 모델(SLM) 미세조정의 장점(빠른 추론, 낮은 비용)이 명확하지 않게 된 상황에서, 구조화된 출력을 필요로 하는 특정 도메인 작업에 대해 SLM이 여전히 품질 면에서 우위를 점한다는 증거를 제시한다. JSON 형태의 저코드 워크플로 생성 작업에서 SLM 미세조정과 LLM 프롬프팅을 비교하여, 좋은 프롬프트는 합리적인 결과를 산출할 수 있지만, 미세조정이 평균 10%의 품질 향상을 가져온다는 것을 확인하였다. 또한, 체계적인 오류 분석을 통해 모델의 한계를 밝혔다.
