자연어를 SQL로 변환하는(NL2SQL) 과제에서 대규모 언어 모델(LLM)은 상당한 발전을 이루었지만, 폐쇄적인 시스템과 높은 계산 자원에 의존하여 데이터 프라이버시 및 배포에 어려움을 겪습니다. 반면, 소규모 언어 모델(SLM)은 NL2SQL 작업에서 성능이 저조하고 기존 프레임워크와의 호환성이 떨어집니다. 본 논문에서는 SLM에 맞춤화된 경량 프레임워크인 Feather-SQL을 제시합니다. Feather-SQL은 1) 스키마 가지치기 및 연결, 2) 다중 경로 및 다중 후보 생성을 통해 SQL 실행 가능성과 정확도를 향상시킵니다. 또한, 강력한 범용 채팅 모델과 미세 조정된 SQL 전문가 모델을 결합하는 1+1 모델 협업 패러다임을 제시하여 강력한 분석적 추론과 고정밀 SQL 생성을 결합합니다. BIRD 데이터셋을 사용한 실험 결과, Feather-SQL은 SLM의 NL2SQL 성능을 향상시켜 미세 조정 없이 약 10%의 성능 향상을 보였으며, 제안된 패러다임은 SLM의 정확도 상한선을 54.76%까지 높였습니다.
