본 논문은 대규모 언어 모델(LLM)을 이용한 Text-to-SQL 작업에서의 hallucination 문제와 도메인 특화 데이터베이스 지식 부족 문제를 해결하기 위해, 사전 지식을 통합하는 지식 주입 방식을 제안합니다. LLM을 도메인 특화 데이터베이스 지식으로 사전 훈련하고, Text-to-SQL 작업으로 미세 조정하여 성능을 향상시키는 방법을 제시하며, 다양한 모델에서 Execution Match (EX) 및 Exact Match (EM) 지표를 개선함을 실험적으로 보여줍니다. 특히, 컬럼 이름 생성 및 값 매칭 오류를 감소시키며, 제안된 방법의 일반화 가능성을 보여줍니다.
