기존 Text-to-SQL 모델은 훈련 데이터 부족으로 새로운 도메인에서 SQL 쿼리 적용을 충분히 지원하는 데 어려움을 겪습니다. 본 논문에서는 추가적인 훈련 없이 ChatGPT의 기능을 활용하여 새로운 도메인에 맞춤화된 (질문, SQL 쿼리) 쌍을 생성하는 REFORMER 프레임워크를 제안합니다. REFORMER는 ChatGPT를 이용하여 SQL 쿼리 설명을 통해 마스크된 질문을 채우는 "검색 및 편집" 방법을 기반으로 새로운 질문을 생성합니다. 또한, 적절히 적용될 경우 순환 일관성이 유용한 검증 방법임을 보여줍니다. 실험 결과, REFORMER는 기존 데이터 증강 방법보다 성능이 우수함을 보였습니다. ChatGPT의 성능을 더 자세히 조사하고 일반적인 데이터 증강 방법을 만들기 위해, 데이터셋의 질문을 바꿔 쓰고, ChatGPT가 생성한 새로운 SQL 쿼리에 대한 설명을 바꿔 쓰는 방식으로 새로운 데이터를 생성했습니다. 결과적으로 ChatGPT가 생성한 질문을 바꿔 쓰는 것이 기존 데이터를 증강하는 데 도움이 된다는 것을 확인했습니다.
