Text-to-SQL (Text-to-SQL)은 데이터베이스에 대한 자연어 접근을 가능하게 하며, 최근의 LLM (Large Language Models)은 이 능력을 상당히 발전시켰습니다. Spider, BIRD, Spider~2.0과 같은 기존 벤치마크들은 스키마 일반화 (schema generalization), 대규모 데이터베이스, 그리고 현실적인 워크플로우를 평가하지만, 내부 지표, 보고 관례, 조직 규칙과 같이 SQL 생성이 비공개 비즈니스 지식에 의존하는 기업 시나리오(enterprise scenarios)는 대체로 간과하고 있습니다. 우리는 독점적인 비즈니스 문서에 대한 긴 컨텍스트 그라운딩 (long-context grounding)을 평가하기 위한 기업 지향적 Text-to-SQL 벤치마크인 EntSQL을 소개합니다. EntSQL은 5개의 비즈니스 도메인에 걸쳐 정렬된 1,066개의 중-영(Chinese-English) 의미론적 예시를 포함하고 있으며, 대부분의 예시는 질문과 스키마를 넘어서는 도메인 지식을 요구하고 복잡한 SQL 구조를 포함합니다. 영어 입력에 대해, 가장 성능이 좋은 평가 시스템은 긴 형태의 문서가 제공되었을 때 단 15.9%에 도달하였으며, 이는 기업 지식에 SQL 생성을 그라운딩(grounding)하는 것이 얼마나 어려운지를 강조합니다.