본 논문은 구글의 최첨단 LLM인 Gemini-1.5-pro의 확장된 context window (긴 context)를 활용하여 NL2SQL 문제를 해결하는 방법을 연구합니다. 자연어 질문의 모호성과 복잡한 데이터 스키마 및 의미에 대한 정확한 이해가 필요한 NL2SQL 문제에, 다양한 context 정보 (컬럼 예시 값, 질문 및 SQL 쿼리 쌍, 사용자 제공 힌트, SQL 문서, 스키마 등)를 제공하여 성능과 지연 시간의 상관관계를 분석합니다. 기존 연구와 달리, 확장된 context window와 추가 context 정보가 NL2SQL 생성의 정확도와 지연 시간에 미치는 영향을 처음으로 연구하며, fine-tuning이나 비용이 많이 드는 self-consistency 기법 없이도 Gemini-pro-1.5 기반의 long-context NL2SQL 파이프라인이 여러 benchmark 데이터셋에서 우수한 성능을 달성함을 보여줍니다.
