장재영

박영기

김한준

정재헌

김동규

이익훈

이태희

양정연

이재원

이동주

박재휘

이상근

강승석

명재석

연종흠

신유현

유강민

최지헌

박성찬

김태욱

현일성

안연찬

조현수

설진석

정지혜

정유나

박진영

허재녕

김제욱

이창주

박철현

김현철

김기륭

강대희

심대익

류이경

원재관

윤상의

심준호

서인욱

박은수

유아영

김직수

조영일

김재범

황혜수

송미화

김태훈

김경석

서광훈

김미숙

이상희

김성환

양종원

이경종

김영곤

이유천

이철기

최주호

신동민

남광현

바바르

황인범

강민석

박성은

송상일

권용진

김청림

양병주

이동진

김현준

김태연

한만휘

최상혁

하승도

박정혁

윤재연

최병서

안채민

김지훈

배상환

한지승

신재열

이원석

김연우

김성재

윤상혁

이명연

유희재

김형준

Janghyeon Yun

Hyunsoo Cho

Kang Min Yoo

Jinseok Seol

The Intelligent Data Systems laboratory, under the supervision of Professor Sang-goo Lee within the Department of Computer Science & Engineering at Seoul National University, conducts research in data mining, data processing, information retrieval, recommendation systems, natural language processing, and deep learning.

서울대학교 컴퓨터공학부 이상구 교수 연구실인 지능형 데이터 시스템 연구실은 데이터 마이닝, 데이터 처리, 정보 검색, 추천 시스템, 자연어 처리 및 딥러닝 분야를 연구한다.

When to Speak, When to Abstain: Contrastive Decoding with Abstention

SEED: Enhancing Text-to-SQL Performance and Practical Usability Through Automatic Evidence Generation

Adaptive Contrastive Decoding in Retrieval-Augmented Generation for Handling Noisy Contexts

Enhancing Large Language Model Based Sequential Recommender Systems with Pseudo Labels Reconstruction

Aligning Language Models to Explicitly Handle Ambiguity

Text-to-SQL enables non-experts to retrieve data from databases by converting natural language queries into SQL. However, state-of-the-art text-to-SQL studies rely on the BIRD dataset, which assumes that evidence is provided along with questions. Although BIRD facilitates research advancements, it assumes that users have expertise and domain knowledge, contradicting the fundamental goal of text-to-SQL. In addition, human-generated evidence in BIRD contains defects, including missing or erroneous evidence, which affects model performance. To address this issue, we propose SEED (System for Evidence Extraction and Domain knowledge generation), an approach that automatically generates evidence to improve performance and practical usability in real-world scenarios. SEED systematically analyzes database schema, description files, and values to extract relevant information. We evaluated SEED on BIRD and Spider, demonstrating that it significantly improves SQL generation accuracy in the no-evidence scenario, and in some cases, even outperforms the setting where BIRD evidence is provided. Our results highlight that SEED-generated evidence not only bridges the gap between research and real-world deployment but also improves the adaptability and robustness of text-to-SQL models.

Sang-goo Lee

Intelligent Search in Expert Database Systems

Semantic Query Optimization in Recursive Databases

Office of Information Systems & Technology, SNU

SNU-Samsung Joint Center for Intelligent Computing (CIC)

Professor

임호림

Ph.D. Candidate

김준엽

고영록

나현수

김연아

박충현

구대현

M.S. Student

조성민

안태현

정해찬

이한빛

Ph.D.

Ph.D. Student

윤장현

박범규

정주영

Alumni (M.S.)

권기석

조송하

김연아 (Youna Kim)

Choonghyun Park

Jun Yeob Kim

Youna Kim

Hyuhng Joon Kim

Alumni (Ph.D.)

Taeuk Kim

나현수 (Hyunsoo Na)

Minseok Gang

Youngrok Ko

Intelligent Data Systems Laboratory

교수님 소개

이상구

연구실 소개

연구실 키워드

알럼나이가 간 회사

연구실 지원 방법

대우 조건

연도별 논문 인용수

저널 & 학회 논문 출판 수

연구실 논문 목록

When to Speak, When to Abstain: Contrastive Decoding with Abstention

SEED: Enhancing Text-to-SQL Performance and Practical Usability Through Automatic Evidence Generation

SEED: Enhancing Text-to-SQL Performance and Practical Usability Through Automatic Evidence Generation

연구실 보유 특허

대학별 입시끈

우리 연구실 모집

교수님 소개

이상구

연구실 키워드

알럼나이가 간 회사

연구실 지원 방법

대우 조건

연도별 논문 인용수

저널 & 학회 논문 출판 수

연구실 논문 목록

When to Speak, When to Abstain: Contrastive Decoding with Abstention

SEED: Enhancing Text-to-SQL Performance and Practical Usability Through Automatic Evidence Generation

SEED: Enhancing Text-to-SQL Performance and Practical Usability Through Automatic Evidence Generation

연구실 보유 특허

최근 3년간 연구실적 높은 연구실

대학별 입시끈

우리 연구실 모집