본 논문은 폐쇄형 LLM에 의존하는 기존 Text-to-SQL(Text2SQL) 방식의 한계를 극복하기 위해, 오픈소스 LLM의 성능을 향상시키는 새로운 방법인 ROUTE (RObust mUltitask Tuning and collaboration mEthod)를 제안합니다. ROUTE는 다양한 합성 데이터를 사용한 다중 작업 지도 학습(SFT)과 다중 작업 협업 프롬프팅(MCP) 전략을 활용합니다. SFT는 스키마 연결, 노이즈 수정, 문장 작성 등 다양한 작업을 포함하여 모델의 SQL 구문 이해력과 고품질 SQL 쿼리 생성 능력을 향상시키고, MCP는 여러 SQL 관련 작업 간의 협업을 통해 환각 현상을 줄여 Text2SQL 성능을 향상시킵니다. 8개의 오픈소스 LLM과 5개의 벤치마크를 사용한 실험 결과, ROUTE는 기존 최첨단 Text2SQL 방법들을 능가하는 성능을 보였습니다.
