With the development of the Large Language Models (LLMs), a large range of LLM-based Text-to-SQL(Text2SQL) methods have emerged. This survey provides a comprehensive review of LLM-based Text2SQL studies. We first enumerate classic benchmarks and evaluation metrics. For the two mainstream methods, prompt engineering and finetuning, we introduce a comprehensive taxonomy and offer practical insights into each subcategory. We present an overall analysis of the above methods and various models evaluated on well-known datasets and extract some characteristics. Finally, we discuss the challenges and future directions in this field.

中文翻译：

---

关于将大型语言模型用于文本到 SQL 任务的调查

随着大型语言模型 （LLM） 的发展，出现了大量基于 LLM 的文本到 SQL （Text2SQL） 方法。本调查对基于 LLM 的 Text2SQL 研究进行了全面回顾。我们首先列举了经典的基准测试和评估指标。对于两种主流方法，即提示工程和微调，我们引入了一个全面的分类法，并提供了对每个子类别的实用见解。我们对上述方法和在知名数据集上评估的各种模型进行了整体分析，并提取了一些特征。最后，我们讨论了该领域的挑战和未来方向。