通过大型语言模型(LLMs)实现复杂的Text-to-SQL解析
DB-GPT-Hub是一个开源实验项目,通过大型语言模型(LLMs)实现复杂的Text-to-SQL解析。该项目包括全流程处理从数据集成到 模型优化,截至2023年10月,已对大型开源模型进行优化,显著提升SQL查询的执行准确率。
DB-GPT-Hub 是一个实验性项目,旨在利用大型语言模型(LLMs)实现从文本到 SQL 的解析。该项目包括多个阶段,如数据收集、数据预处理、模型选择和构建,以及模型权重的微调。通过这些流程,我们的目标是提升 Text-to-SQL 的能力,同时降低模型训练成本,使更多开发者能够参与提高 Text-to-SQL 的准确率。最终目标是实现基于数据库的自动问答功能,让用户能够通过自然语言描述来执行复杂的数据库查询。
截至 2023 年 10 月 10 日,我们已成功地利用该项目微调了开放源代码的 13B 大小模型,并整合了更多相关数据。在零样本提示下,利用基于 Spider 的测试套件,针对 1.27G 大小数据库的执行准确率达到 0.764。对于 Spider 官网 指定的 95M 大小数据库,执行准确率为 0.825。
我们通过对大型语言模型应用监督式微调 (SFT) 来增强 Text-to-SQL 的性能。
项目使用的主要数据集是 Spider 数据集,这是一个复杂的跨领域 text2sql 数据集,包括 10,181 条自然语言查询和分布在 200 个独立数据库中的 5,693 条 SQL,涵盖 138 个不同的领域。
除此之外,还有其他可用的 text2sql 数据集,例如:
DB-GPT-Hub 当前支持以下基础模型:
这些模型基于量化学习(QLoRA)进行微调,最低硬件要求如下:
通过以下命令克隆和设置项目环境:
git clone https://github.com/eosphoros-ai/DB-GPT-Hub.git cd DB-GPT-Hub conda create -n dbgpt_hub python=3.10 conda activate dbgpt_hub cd src/dbgpt_hub_sql pip install -e .
首先,通过以下命令安装 dbgpt-hub
:
pip install dbgpt-hub
然后,配置参数并运行完整流程,包括数据预处理、模型训练、预测和评估。
通过以下命令处理 Spider 数据集:
sh dbgpt_hub_sql/scripts/gen_train_eval_data.sh
可以通过 LoRA 和 QLoRA 方法进行模型微调:
sh dbgpt_hub_sql/scripts/train_sft.sh
在 ./dbgpt_hub_sql/output/pred/ 目录下,运 行预测脚本:
sh ./dbgpt_hub_sql/scripts/predict_sft.sh
合并已经训练的基础模型和微调后的 Peft 模块权重:
sh ./dbgpt_hub_sql/scripts/export_merge.sh
通过以下命令评估模型在数据库上的性能:
python dbgpt_hub_sql/eval/evaluation.py --plug_value --input Your_model_pred_file
我们热情欢迎更多人参与到我们的项目中,包括数据集、模型微调、性能评估、论文推荐和代码复现。请随时提交 issue 或 PR,我们将积极响应。
感谢以下开源项目的基础支持,如 Spider、CoSQL、Chase、BIRD-SQL 等。
若对我们的社 区工作有任何想法,或有兴趣深入实验和优化 DB-GPT-Hub 子项目,可以通过项目中的联系方式与我们交流。我们热切期待您的加入!
AI小说写作助手,一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
字节跳动发布的AI编程神器IDE
Trae 是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
全能AI智能助手,随时 解答生活与工作的多样问题
问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译 助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的 星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案 。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号