Text2SQL is Not Enough: Unifying AI and Databases with TAG

Meta info.

• Authors: Asim Biswal, Liana Patel, Siddarth Jha, Amog Kamsetty, Shu Liu, Joseph E. Gonzalez, Carlos Guestrin, Matei Zaharia
• Paper: https://arxiv.org/pdf/2408.14717v1
• Affiliation: Stanford Univ., UC Berkeley
• Published: August 27, 2024
• Code: https://github.com/tag-research/tag-bench

TL; DR

LM과 RDB간 interaction을 통합 및 일반화하는 Table-Augmented Generation(TAG) 제안

Personal note. 정말 어려운 쿼리, 예를 들면 “가장 높은 수익을 올린 영화에 대해 positive Review 조회” 를 물어보는 경우인데 DB Table에 postive 여부가 태깅되지 않았다면, 기존의 SQL query를 만들 뿐만 아니라, LM을 추가적으로 활용하여 감성분석을 시키는 단계를 삽입시켜 처리하는 것이 이상적이 상황이라고 제안하고 있습니다. 이런걸 잘 못하니까 확장해보겠다는 시도는 유의한 것 같은데, 결국 TAG 방식을 최대한 활용하려면 아직은 Expert의 상냥한 손길이 필요하다는 결론입니다. Execution time에서 효율적이라고 하는 이유가 UC Berkeley에서 만든 LOTUS 덕분이라 이 방식 자체의 기여점 보다는 문제 Setting을 고도화한 데에 의의가 있어보입니다.