EviLink: 불확실성 기반 증거 획득을 통한 다중 경로 스키마 연결 - 대규모 텍스트-SQL 시스템

EviLink: Multi-Path Schema Linking with Uncertainty-Guided Evidence Acquisition for Large-Scale Text-to-SQL

대규모 텍스트-SQL 시스템에서 스키마 연결은 매우 중요하지만 어려운 단계로, 시스템은 방대한 양의 모호한 데이터베이스에서 간결하면서도 충분한 스키마 문맥을 식별해야 합니다. 기존 방법들은 종종 스키마 연결을 단일 SQL 경로를 중심으로 하는 결정론적인 선택 문제로 취급합니다. 하지만 복잡한 질문은 다양한 스키마 요구 사항을 가진 여러 개의 유효한 해답을 가질 수 있습니다. 본 연구에서는 스키마 연결을 불확실성을 고려하여 다수의 가능한 SQL 경로에 대한 스키마 필요성 추론 문제로 재정의했습니다. 시스템은 필수적인 스키마 항목과 경로에 따라 달라지는 불확실한 항목을 구별하고, 필요한 부분에서만 증거를 획득합니다. 이러한 재정의를 바탕으로, 다중 가설 기반 스키마 매칭과 불확실성 기반 증거 획득을 결합한 EviLink 시스템을 개발했습니다. BIRD-Dev 및 Spider2-Snow 데이터셋에 대한 실험 결과, 본 연구의 접근 방식은 스키마 완전성, 관련성, 토큰 사용량 간의 균형을 개선합니다. 특히 Spider2-Snow 데이터셋에서 EviLink는 90.15%의 필드 레벨 정밀도(strict recall rate)를 달성하고, 평균 123.30K개의 토큰을 사용하며, 고정된 생성기를 사용하는 후속 SQL 생성 성능을 향상시킵니다.

Schema linking is a difficult and important step in large-scale Text-to-SQL, where systems must identify a compact yet sufficient schema context from large and ambiguous databases. Existing methods often treat schema linking as deterministic selection around a single SQL path, but complex questions may admit multiple valid realizations with different schema needs. We reframe schema linking as uncertainty-aware schema-need inference over multiple plausible SQL paths, where the system distinguishes required schema items from path-dependent uncertain ones and acquires evidence only where needed. We instantiate this reframing with EviLink, which combines multi-hypothesis schema grounding with uncertainty-guided evidence acquisition. Experiments on BIRD-Dev and Spider2-Snow show that this perspective improves the balance among schema completeness, schema relevance, and token cost. On Spider2-Snow, EviLink achieves 90.15% field-level strict recall rate, uses 123.30K average tokens, and improves downstream SQL generation under a fixed generator.