当前位置:   article > 正文

惊艳!SQLCoder-7b登顶AI SQL大模型,准确率高达93%!它如何超越GPT-4成为新王者?揭秘背后的神秘武器!

sqlcoder

在AI的浪潮之巅,一款名为SQLCoder-7b的模型在huggingface上震撼发布,它不仅在文本转SQL生成上与GPT-4平分秋色,更在数据处理的速度和准确性上实现了惊人突破,甚至有超越GPT-4的势头。

更多内容迁移到知乎,感谢的关注:https://www.zhihu.com/people/dlimeng
在这里插入图片描述
然而,让人好奇的是,这款模型究竟是如何实现这一飞跃的?它的秘密武器究竟是什么?

模型特点

你是否曾为理解SQL数据库中的数据而感到困惑?现在有了SQLCoder-7B-2和SQLCoder-70B-Alpha模型,这些问题将迎刃而解。这两个强大的工具专为非技术用户设计,让他们能够轻松分析数据库内容,无需深厚的专业知识。
在这里插入图片描述
令人振奋的是,SQLCoder-70B-Alpha在文本到SQL的转换能力上超越了包括GPT-4在内的所有通用模型。这意味着它能更准确地理解你的需求,并生成相应的SQL查询。同时,SQLCoder-7B-2也是一个不容忽视的佼佼者,它在自然语言到SQL的生成上表现出色。

但请注意,这些模型仅适用于只读访问权限的用户。为了确保数据的安全性,它们并未被训练来应对恶意写请求。

开源精神是推动技术发展的重要动力。SQLCoder2和SQLCoder-7B模型已经向公众开放,让更多人能够受益于它们的能力。其中,SQLCoder2在原始SQLCoder的基础上进行了重大改进,而SQLCoder-7B则以7B参数的模型身份亮相,性能与前者不相上下。
在这里插入图片描述
这一切的背后,是开发团队对用户反馈的深度理解和持续改进。他们发现原始SQLCoder在处理日期时间函数时存在困难,有时还会生成错误的列名或表名。同时,社区对能够在小GPU上运行的模型有着巨大需求。于是,SQLCoder2和SQLCoder-7B应运而生,它们不仅解决了这些问题,还更适合生产环境。

SQLCoder如何评估出高准确率的AI模型的?

评估与表现

SQLCoder对每个生成的问题进行了分类,共分为6大类别。接下来的表格将为您展示每个模型在各类别问题中的正确回答率。
在这里插入图片描述

数据海洋里,SQL是捕鱼的网。LLM生成的SQL靠不靠谱?SQL-Eval来评判!

SQL-Eval,听名字就知道它的使命:评估LLM生成的SQL语句的正确性。在开发过程中,开发者们常常陷入一个困境:如何判断一个SQL查询是否“正确”?毕竟,对于同一个问题,可能存在多种正确的SQL写法。

举个例子,如果你想找出最近10位来自多伦多的用户,以下两个查询都是正确的:

1.查询A抓取了用户的ID、用户名和创建时间;

2.查询B则选择了用户的ID、全名和创建时间。
在这里插入图片描述
评估方法揭秘

1.展开标准查询的列组合。

2.对每个组合运行查询,得到结果数据框。

3.比较生成查询的结果与标准结果,一致则正确。

SQL-Eval考虑列别名、额外列等变体,确保评估准确。它已在GitHub上开源,等你来体验!

https://github.com/defog-ai/sql-eval

如何快速入门SQLCoder-7b

提示词格式:

### Task
Generate a SQL query to answer [QUESTION]{user_question}[/QUESTION]

### Database Schema
The query will run on a database with the following schema:
{table_metadata_string_DDL_statements}

### Answer
Given the database schema, here is the SQL query that [QUESTION]{user_question}[/QUESTION]
[SQL]
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10

使用环境

在这里插入图片描述

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/繁依Fanyi0/article/detail/486698
推荐阅读
相关标签