RAISE: 대화형 SQL 탐색을 위한 추론 에이전트 - 데이터베이스 질의의 새로운 지평

RAISE는 LLM의 추론 능력을 활용하여 데이터베이스 질의 생성의 정확도와 효율성을 크게 향상시킨 새로운 에이전트 프레임워크입니다. 단일 엔드-투-엔드 시스템으로 복잡성을 줄이고, 대화형 탐색을 통해 모호한 질의에도 정확한 답변을 제공합니다. 실험 결과는 기존 최고 수준의 성능과 유사한 결과를 보여주며, 데이터베이스 질의 생성 분야의 혁신적인 발전을 보여줍니다.

RAISE: 대화형 SQL 탐색을 위한 추론 에이전트 - 데이터베이스 질의의 새로운 지평

최근 대규모 언어 모델(LLM)의 발전은 데이터베이스에 대한 자연어 인터페이스 연구를 촉진했습니다. 하지만, 최첨단 텍스트-SQL 시스템의 대부분은 여전히 복잡하고 다단계 파이프라인에 의존합니다. Fernando Granado, Roberto Lotufo, Jayr Pereira가 제시한 RAISE는 이러한 한계를 극복하기 위한 획기적인 시도입니다.

RAISE는 스키마 연결, 질의 생성, 반복적 개선을 단일 엔드-투-엔드 구성요소로 통합한 새로운 에이전트 프레임워크입니다. LLM의 고유한 추론 능력을 활용하여, RAISE는 익숙하지 않은 데이터베이스를 사용할 때 인간이 질문에 답하는 방식을 모방합니다. 데이터를 이해하기 위해 가설을 설정하고, 이를 검증하기 위해 동적 질의를 실행하며, 결과를 추론하고, 관찰된 결과를 바탕으로 출력을 수정합니다.

특히, RAISE는 텍스트-SQL에서 테스트 시간 계산을 확장하기 위한 새로운 전략을 도입했습니다. 대화형 데이터베이스 탐색 및 반영의 깊이를 확장하여 모델이 데이터를 더 잘 이해하도록 동적으로 계산을 할당합니다. 이는 특히 모호하고 불완전하게 명시된 시나리오에서 유용합니다.

실험 결과는 놀랍습니다. 어려운 BIRD 데이터셋에서 DeepSeek-R1-Distill-Llama-70B를 사용하여 실행 정확도(EX)를 44.8%에서 56.5%로 향상시켰습니다. 뿐만 아니라, 답변의 다양성을 높이는 단계를 추가하여, 8회의 후보 생성 라운드에서 81.8%의 최고 N 정확도를 달성했습니다. 이는 최고 순위의 기존 솔루션(82.79%)과 거의 맞먹는 수준이며, 동시에 엔지니어링 복잡성을 줄였습니다.

결론적으로, RAISE의 통합 프레임워크는 데이터베이스에 대한 자연어 인터페이스를 구축하기 위한 유망한 대안으로 자리매김했습니다. 단순한 질의 생성을 넘어, 데이터 탐색과 추론의 깊이를 통해 보다 정확하고 효율적인 결과를 제공하는 RAISE는 향후 LLM 기반 데이터베이스 시스템 발전에 중요한 이정표를 세웠습니다. 이는 단순히 기술적인 발전을 넘어, 인간과 컴퓨터 간의 상호작용 방식에 대한 새로운 패러다임을 제시하는 의미를 지닌다고 할 수 있습니다. 앞으로 RAISE의 발전과 활용에 대한 지속적인 관심과 연구가 필요할 것입니다.