본 논문은 대규모 언어 모델(LLM)을 활용한 Text-to-SQL 문제 해결을 위한 새로운 접근 방식을 제시합니다. 기존의 LLM 기반 접근 방식은 다양하고 특정 도메인에 종속적인 질의에 대한 지식이 제한적이어서 정확도가 떨어지는 한계를 가지고 있습니다. 이를 해결하기 위해, 본 논문에서는 모든 질의와 관련 데이터베이스 스키마, 그리고 관련 지식을 결합하여 구성된 포괄적인 지식 기반을 제안합니다. 이 지식 기반은 다양한 데이터셋과 도메인의 미지의 데이터베이스에도 재사용될 수 있으며, 여러 Text-to-SQL 데이터셋에서 기존 방식보다 성능이 뛰어남을 실험적으로 검증합니다.
시사점, 한계점
•
시사점:
◦
포괄적인 지식 기반을 활용하여 LLM 기반 Text-to-SQL의 정확도 향상 가능성을 제시합니다.
◦
다양한 데이터셋과 도메인에 적용 가능한 재사용 가능한 지식 기반을 구축하는 방법을 제시합니다.
