저자들은 Spider, BIRD, BEAVER 및 두 가지 LiveSQLBench 변형 버전을 포함한 5개의 텍스트-투-SQL 데이터셋을 스키마 링크 평가용 테이블 및 열 검색 작업으로 재구성했습니다. 그들은 305M 파라미터 임베더에 대해 코퍼스 적응 파인튜닝을 제안하여 평균 recall@10을 60.4에서 75.6으로 높였습니다.
- 이 방법은 대상 스키마 코퍼스로부터 자연어 쿼리를 직접 생성하고 세분성 인식 하드 네거티브를 채굴합니다.
- 시중에서 바로 사용할 수 있는 텍스트 및 코드 임베더를 능가하며 벤치마크에서 최첨단 결과와 동급의 성능을 달성했습니다.
- 동일한 방법을 8B 임베더에 적용하면 recall@10이 77.8에서 78.4로 향상되었습니다.
- 실험 결과는 이러한 향상이 데이터 암기가 아닌 이전 가능한 능력에 기인함을 확인합니다.
이는 스키마 링크를 독립적인 검색 작업으로 확립하며, 엔터프라이즈 규모 배포를 위한 실용적인 경로로서 경량이고 레이블 없는 코퍼스 적응을 보여줍니다.