ErrorLLM: Modeling SQL Errors for Text-to-SQL Refinement
text-to-SQL 정제에서 자기 디버깅은 실행 오류 신호가 부족해 효과가 떨어지고, 자기 수정은 오류 탐지 정밀도가 낮아 올바른 SQL까지 손상될 수 있다는 한계를 ErrorLLM가 질문·스키마 구조 표현, 정적 탐지, 분류된 의미 오류 유형을 담은 전용 error token으로 SQL 오류를 명시적으로 모델링해 해결한다. 탐지된 오류를 바탕으로 LLM 프롬프팅으로 SQL 구조를 정제하며, BIRD·Spider 벤치마크에서 백본 초기 생성 대비 가장 큰 성능 향상과 높은 오류 탐지 F1을 보였다.