LLM Wiki

feyn, 답변 전 DB를 먼저 살펴보는 text-to-SQL 모델 SQRL 공개 (feat. Chonkie)

Properties2
descriptionPyTorchKR 9bow 게시글의 핵심 내용과 실무적 의미를 원문에 근거해 정리한다.
tagsai-models, open-source, research

5 min read

출처

개요

feyn이 Chonkie로 알려진 개발사인 가운데, 자연어 질문을 데이터베이스에 맞는 SQL로 변환하는 모델 제품군 SQRL을 공개했습니다. SQRL은 질문과 스키마만 보고 바로 SQL을 생성하는 대신, 필요할 때 읽기 전용 탐색 쿼리를 실행해 실제 값의 형식과 조인 가능성을 확인한 뒤 최종 쿼리를 작성합니다. SQRL-4B, SQRL-9B, SQRL-35B-A3B가 Apache 2.0 라이선스로 Hugging Face에 공개됐습니다. BIRD-dev에서 SQRL-35B-A3B는 pass@1 68.7%, vote@8 70.6%를 기록했으며, 원문은 9B와 4B 모델도 비교적 높은 실행 정확도를 보였다고 설명합니다. 다만 비교 표의 SQRL 수치는 8개 샘플 기반 투표 결과인 반면, 비교 대상 모델들이 같은 조건으로 평가됐는지는 원문에 명시되지 않았습니다.

핵심 포인트

  • SQRL의 핵심 동작은 “Digs Before It Queries”로, 모호한 질문을 받으면 먼저 <sql> 탐색 쿼리를 실행하고 결과를 <observation>으로 확인한 뒤 <answer>에 최종 SQL을 출력합니다.
  • 탐색은 모든 질문에 수행되지 않습니다. 단순한 개수 집계처럼 스키마만으로 충분한 경우에는 바로 답하고, 실제 값의 표기 방식이나 필터 조건이 불명확한 경우에만 데이터베이스를 살펴봅니다.
  • feyn은 BIRD와 Spider 데이터를 정제하고, 실행 결과 기반 보상과 CISPO 강화학습을 사용해 SQRL을 학습했습니다. 4B와 9B 모델은 교사 모델의 성공적인 전체 상호작용 궤적을 지도 미세조정한 뒤 강화학습으로 다듬었습니다.
  • BIRD-dev 성능은 SQRL-4B가 pass@1 64.6% / vote@8 68.8%, SQRL-9B가 66.6% / 69.8%, SQRL-35B-A3B가 68.7% / 70.6%입니다.
  • vote@8은 문자열이 아니라 실행 결과가 같은 쿼리를 묶어 다수결을 내리는 방식으로, 추론 시점 연산을 추가해 정확도를 높입니다. 원문은 만장일치 여부를 라우팅이나 추가 검토를 위한 신뢰도 신호로 활용할 가능성도 언급합니다.
  • 세 모델은 vLLM으로 서빙할 수 있으며, 데이터베이스 실행 루프는 읽기 전용으로 구성해야 합니다. SQRL의 <sql>·<answer> 프로토콜이 “ 뒤에 있으므로 vLLM 서빙 시 reasoning parser를 활성화하면 안 됩니다.
  • 모델과 데이터베이스를 같은 인프라에서 운영하면 스키마, 쿼리, 관측 결과를 외부 모델 서비스로 보내지 않고 자체 호스팅할 수 있습니다.

왜 중요한가

Text-to-SQL의 오류는 SQL 문법 오류보다 잘못된 값 필터, 조인 경로, 컬럼 해석처럼 실행은 되지만 결과가 틀리는 경우에 발생할 수 있습니다. SQRL은 데이터베이스 스키마만으로 추측하는 대신 실제 데이터를 제한적으로 관찰하도록 학습해, 단일 샷 생성과 복잡한 프론티어 모델 파이프라인 사이의 절충안을 제시합니다. 특히 4B·9B 규모 모델과 Apache 2.0 라이선스, 자체 호스팅 방식은 데이터 민감도가 높거나 비용·지연 시간을 관리해야 하는 환경에서 검토할 만한 요소입니다.

후속으로 볼 링크 및 키워드

관련 위키

원문 보존 위치

원문 전체는 2026-07-25-pytorchkr-topic-11360-feyn-db-text-to-sql-sqrl-feat-chonkie에 source_url 및 HTML 원문과 함께 저장되어 있습니다.

백링크