sLM 기반 Text-to-SQL 및 스키마 링킹 최신 동향 (2026-04-09)

요약

2026년 4월 기준, Text-to-SQL 분야는 단일 거대 모델(LLM) 중심에서 효율적인 소형 언어 모델(sLM)과 에이전틱 워크플로우의 조합으로 패러다임이 전환되었습니다. 특히 스키마 링킹(Schema Linking)을 전담하는 전문 sLM의 도입이 성능 향상의 핵심입니다.

주요 내용

1. HYVE (Hybrid Views) 프레임워크 (2026.04.07)

  • 개념: LLM의 컨텍스트 창 제한을 극복하기 위해 테이블의 전체 스키마 대신 필요한 컬럼과 로우만 노출하는 ‘하이브리드 뷰’ 방식입니다.
  • 효과: 원시 데이터를 메모리 내 데이터스토어로 구축하고 전처리기가 이를 최적화하여 sLM이 처리해야 할 정보량을 획기적으로 줄입니다.

2. MATS (Multi-Agent Text-to-SQL System)

  • 성능: 9B 파라미터 모델만으로 Spider 벤치마크에서 87.1%의 실행 정확도를 달성(GPT-4급).
  • 구조: Schema Agent를 분리하여 SQL 생성이 아닌 “관련 테이블/컬럼 식별”이라는 분류 작업에만 집중하게 함으로써 전체 파이프라인의 정확도를 높였습니다.

3. sLM 기반 스키마 링킹 전략

  • 추출적(Extractive) 방식: 생성형 방식보다 정확도가 높으며, Decoder-only sLM을 SFT(Supervised Fine-Tuning)하여 관련 요소를 직접 추출합니다.
  • SQL-to-Schema 역발상: 초안 SQL 생성 -> 사용된 스키마 추출 -> 정제된 스키마로 최종 SQL 생성의 2단계 방식이 sLM에서 매우 효과적입니다.

AX1센터 R&D 시사점

  • 현재 개발 중인 metaadmin 및 evaluation pipeline에 HYVE와 같은 컨텍스트 최적화 기술을 적용할 필요가 있습니다.
  • Schema Linking 전용 sLM(분류 특화)과 SQL 생성 전용 sLM(추론 특화)을 분리하는 에이전틱 워크플로우 도입이 필수적입니다.

원문 URL 및 참고문헌

  • arxiv.org (HYVE - 2026.04.07)
  • medium.com (MATS System Deep Dive)

관련 노트