SQLConductor: 단계별 텍스트-투-SQL 오케스트레이션을 위한 검색 기반 정책 학습

SQLConductor: Search-to-Policy Learning for Step-wise Text-to-SQL Orchestration

텍스트-투-SQL 기술은 사용자가 자연어를 통해 관계형 데이터베이스에 접근할 수 있도록 하지만, 복잡한 데이터베이스 환경에서의 협력적 추론이 필요하기 때문에 실제 적용에는 어려움이 있습니다. 기존 시스템들은 종종 다단계 파이프라인 또는 개별 단계에 특화된 추론 모델을 사용합니다. 그러나 고정된 파이프라인은 미리 정의된 단계 순서에 의존하며, 이는 쿼리 요구 사항 및 중간 증거에 대한 적응성을 제한합니다. 최근의 오케스트레이션 기반 방법들은 각 쿼리에 맞는 특수 모듈을 조합하여 유연성을 제공하지만, 일반적인 계획-실행 방식은 실행 전에 전체 워크플로우를 확정하고 중간 결과물 및 피드백에 대한 적응이 어렵습니다. 본 논문에서는 텍스트-투-SQL을 위한 단계별 오케스트레이션 학습 프레임워크인 SQLConductor를 제안합니다. SQLConductor는 텍스트-투-SQL의 하위 작업을 워크플로우 구성을 위한 특수 작업으로 정의하고, 중간 결과물 및 피드백에 기반하여 다음 작업을 선택하는 정책 모델을 학습합니다. 이 정책을 학습하기 위해, SQLConductor는 Search-to-Policy Learning을 도입하며, 이는 Monte Carlo 트리 검색을 사용하여 후보 워크플로우를 탐색하고 안정성 추정치를 통해 강력한 지도 학습 방법을 식별합니다. 정책 모델은 안정성 가중치를 적용한 감독학습 방식으로 훈련되어 고품질 오케스트레이션 패턴을 우선시하며, 또한 Curriculm Reinforcement Learning을 통해 더욱 강화됩니다. 이를 통해 오프라인 워크플로우 검색을 추론 시 단계별 오케스트레이션을 위한 배포 가능한 정책으로 변환합니다. BIRD-Dev 및 일반화 데이터 세트에서의 실험 결과, SQLConductor는 우수한 실행 정확도와 강력한 일반화 성능을 달성했으며, 특히 73.2%의 EX 정확도를 기록했습니다. 이는 기존 방법보다 뛰어난 성능이며, 더 작고 효율적인 오케스트레이션 정책으로 큰 규모의 모델을 제어할 수 있음을 보여줍니다. 추가 분석 결과, 학습된 정책은 다양한 쿼리 요구 사항에 맞게 오케스트레이션을 조정할 수 있는 것으로 나타났습니다.

Text-to-SQL enables users to access relational databases via natural language, but real-world settings remain challenging due to coordinated reasoning over complex database environments. Existing systems often use multi-stage pipelines or reasoning models specialized for individual stages. However, fixed pipelines rely on predefined stage orders, limiting their adaptivity to query demands and intermediate evidence. Recent orchestration-based methods provide flexibility by composing specialized modules for each query, but typical plan-then-execute approaches still commit to a complete workflow before execution and cannot adapt to intermediate artifacts and feedback. In this paper, we propose SQLConductor, a step-wise orchestration learning framework for Text-to-SQL. SQLConductor formulates Text-to-SQL subtasks as specialized actions for workflow composition and trains a policy model to select the next action based on intermediate artifacts and feedback. To learn this policy, SQLConductor introduces Search-to-Policy Learning, which uses Monte Carlo Tree Search to explore candidate workflows and stability estimation to identify robust supervision. The policy model is trained with Stability-weighted Supervised Fine-tuning to prioritize high-quality orchestration patterns and further enhanced through Curriculum Reinforcement Learning. This transforms offline workflow search into a deployable policy for step-wise orchestration at inference time. Experiments on BIRD-Dev and out-of-distribution datasets show that SQLConductor achieves superior execution accuracy and strong generalization, reaching 73.2% EX on BIRD-Dev with a compact orchestration policy coordinating frozen larger action models, outperforming prior methods that directly train comparable or larger Text-to-SQL backbones. Further analyses show that the learned policy adapts orchestration to diverse query demands.