10个月前更新
10个月前
542d129a0ebd · 13GB
模型
架构llama
·
参数6.74B
·
量化F16
13GB
模板
### 指令:你的任务是根据以下问题,生成有效的duckdb SQL来回答问题,给定一个
230B
自述文件
DuckDB-NSQL是一个70亿参数的文本转SQL模型,专门用于SQL生成任务。
该模型基于Meta最初的Llama-2 7B模型,并在通用SQL查询数据集上进行了进一步预训练,然后在由DuckDB文本转SQL对组成的数据集上进行了微调。
用法
示例提示
Provided this schema:
CREATE TABLE taxi (
VendorID bigint,
tpep_pickup_datetime timestamp,
tpep_dropoff_datetime timestamp,
passenger_count double,
trip_distance double,
fare_amount double,
extra double,
tip_amount double,
tolls_amount double,
improvement_surcharge double,
total_amount double,
);
Give me taxis with more than 2 passengers
示例输出
SELECT * FROM taxi WHERE passenger_count > 2
设置系统提示
此模型期望系统提示中输入模式。
/set system """Here is the database schema that the SQL query will run on:
CREATE TABLE taxi (
VendorID bigint,
tpep_pickup_datetime timestamp,
tpep_dropoff_datetime timestamp,
passenger_count double,
trip_distance double,
fare_amount double,
extra double,
tip_amount double,
tolls_amount double,
improvement_surcharge double,
total_amount double,
);"""
在系统提示中提供模式后,模型将在后续响应中使用它。
对于以下提示
get all columns ending with _amount from taxi table
模型将输出类似以下内容
SELECT COLUMNS('.*_amount') FROM taxi;
API示例
$ curl https://127.0.0.1:11434/api/generate -d '{
"model": "duckdb-nsql:7b-q4_0",
"system": "Here is the database schema that the SQL query will run on: CREATE TABLE taxi (VendorID bigint, tpep_pickup_datetime timestamp, tpep_dropoff_datetime timestamp, passenger_count double, trip_distance double, fare_amount double, extra double, tip_amount double, tolls_amount double, improvement_surcharge double, total_amount double,);",
"prompt": "get all columns ending with _amount from taxi table"
}'
Python库示例
pip install ollama
import ollama
r = ollama.generate(
model='duckdb-nsql:7b-q4_0',
system='''Here is the database schema that the SQL query will run on:
CREATE TABLE taxi (
VendorID bigint,
tpep_pickup_datetime timestamp,
tpep_dropoff_datetime timestamp,
passenger_count double,
trip_distance double,
fare_amount double,
extra double,
tip_amount double,
tolls_amount double,
improvement_surcharge double,
total_amount double,
);''',
prompt='get all columns ending with _amount from taxi table',
)
print(r['response'])
训练数据
20万个DuckDB文本转SQL对,使用Mixtral-8x7B-Instruct-v0.1合成生成,并以DuckDB v0.9.2文档为指导。以及来自NSText2SQL的文本转SQL对,这些对使用sqlglot转换为DuckDB SQL。
训练过程
DuckDB-NSQL使用交叉熵损失进行训练,以最大限度地提高顺序输入的可能性。对于文本转SQL对的微调,我们只计算对中SQL部分的损失。该模型使用80GB A100进行训练,利用数据和模型并行化。我们进行了10个epoch的微调。
预期用途和局限性
该模型设计用于根据给定的表模式和自然语言提示生成文本转SQL。该模型最适合使用下面定义的提示格式和输出。与现有的文本转SQL模型相比,SQL生成不限于SELECT语句,而是可以生成任何有效的DuckDB SQL语句,包括官方DuckDB扩展的语句。