论文一开始提出了以往 prompt-based 的 Text2SQL 方法的一些缺点：
- 缺少对 table cell value 的先验关注。比如查询 sex 时，
WHERE sex='Male'、WHERE sex='M'都是有可能的，LLM 也拿不准用哪个 - 通过 prompt 让 LLM 做 schema linking 时，让 LLM 根据 question 和 schema 列出相关 schema 的效果并不好，因为像对于 CodeLlama 这样的模型来说，基于指令生成非代码文本并不是他们的强项
- 目前方法的 post-refinements 收益也不明显：
- 如果一个由强大的 LLM 生成的 SQL 具有语义模糊而不是语法错误的话，那 LLM 是无法 self-debugging 的
- 使用 self-consistency 时，LLM 的投资和产出是不成比例，多次调用一个 LLM 产生数倍的成本，并没有从根本上让 SQL 的输出更加多样化
由此，论文提出了 Prompt-Enhanced Two-stage text2SQL framework with cross-consistency（PET-SQL）—— 通过两个 stage 来完成任务。