본 논문은 대규모 언어 모델(LLM)을 활용한 text-to-SQL 작업에서 복잡한 도메인 정보와 데이터베이스 구조를 이해하는 주요 과제를 극복하기 위한 메타 인식 학습 프레임워크를 제안한다. 이 프레임워크는 도메인 지식, 데이터베이스 스키마, 사고 과정 추론, 메타데이터 관계를 통합하여 SQL 생성 품질을 향상시키는 네 가지 학습 전략(스키마 기반 학습, 사고 과정(CoT) 학습, 지식 강화 학습, 주요 정보 토큰화)을 포함한다. 두 가지 실험 연구를 통해 제안된 방법이 실행 정확도, 다중 작업 SQL 생성 능력, 치명적인 망각 감소 측면에서 우수성을 입증하였다.
