본 논문은 폐쇄형 대규모 언어 모델(LLM)에 의존하는 기존 Text-to-SQL(Text2SQL) 방법의 한계를 극복하기 위해, 오픈소스 LLM의 성능을 향상시키는 새로운 방법인 ROUTE(RObust mUltitask Tuning and collaboration mEthod)를 제안합니다. ROUTE는 다양한 합성 데이터를 활용한 다중 작업 지도 미세 조정(SFT)과 다중 작업 협업 프롬프팅(MCP) 전략을 결합합니다. SFT는 스키마 연결, 노이즈 수정, 연속 작성 등의 추가 작업을 포함하여 모델의 SQL 구문 이해력과 고품질 SQL 쿼리 생성 능력을 향상시키고, MCP는 여러 SQL 관련 작업 간의 협업을 통해 환각 현상을 줄입니다. 8개의 오픈소스 LLM과 5개의 벤치마크에 대한 실험 결과, ROUTE는 기존 Text2SQL 방법보다 우수한 성능을 보임을 입증합니다.
