PremSQL 및 sLM 기반 Text-to-SQL 최신 동향 (2026-04-09)
요약
최근 1.5B 규모의 초소형 언어 모델(sLM)이 BIRD 벤치마크에서 67.08%의 실행 정확도를 기록하며, 대형 모델 대비 추론 속도는 대폭 향상시키면서도 정확도 손실을 최소화하는 성과를 거두었습니다. 특히 SLM-SQL 프레임워크와 Corrective Self-Consistency (CSC-SQL) 기법이 sLM의 한계를 극복하는 핵심 아키텍처로 자리 잡고 있습니다.
주요 내용
- sLM의 도약: 0.5B~1.5B 규모의 모델이 SFT 및 RL 사후 학습을 통해 논리적 추론 능력을 극대화하고 있습니다.
- PremSQL Agents: sLM만으로 구동되는 데이터 분석 에이전트 기능이 강화되어, SQL 변환부터 결과 분석 및 차트 생성까지의 워크플로우를 통합했습니다.
- Semantic Layer의 역할: 실제 기업 환경(Spider 2.0 등)에서의 정확도 급락을 방지하기 위해, 비즈니스 용어를 SQL 패턴으로 매핑하는 시맨틱 레이어 구축이 필수 과제로 부상했습니다.