Qwen 2.5 3b Text To SQL

🚀 用于文本转SQL转换的微调大语言模型

本模型是 Qwen/Qwen2.5 - 3B - Instruct 的微调版本，旨在将自然语言查询转换为SQL语句。它在 gretelai/synthetic_text_to_sql 数据集上进行训练，必要时可以同时提供SQL查询和表结构上下文。

🚀 快速开始

直接使用

要使用该模型进行文本转SQL转换，你可以使用 transformers 库加载它，如下所示：

from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Ellbendls/Qwen-2.5-3b-Text_to_SQL")
model = AutoModelForCausalLM.from_pretrained("Ellbendls/Qwen-2.5-3b-Text_to_SQL")

# 输入提示
query = "What is the total number of hospital beds in each state?"

# 对输入进行分词并生成输出
inputs = tokenizer(query, return_tensors="pt")
outputs = model.generate(**inputs, max_length=512)

# 解码并打印
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

示例输出

输入： What is the total number of hospital beds in each state?

输出：

Context:
CREATE TABLE Beds (State VARCHAR(50), Beds INT);
INSERT INTO Beds (State, Beds) VALUES ('California', 100000), ('Texas', 85000), ('New York', 70000);

SQL Query:
SELECT State, SUM(Beds) FROM Beds GROUP BY State;

✨ 主要特性

1. 文本转SQL转换：将自然语言查询转换为准确的SQL语句。
2. 结构生成：在未提供表结构上下文时生成相应内容。
3. 针对分析和报告进行优化：处理包含聚合、分组和过滤的SQL查询。

📚 详细文档

模型详情

模型描述

该模型经过微调，可帮助用户根据自然语言提示生成SQL查询。在缺少表结构上下文的场景中，模型经过训练能够在生成SQL查询的同时生成结构定义，是解决各种文本转SQL任务的可靠方案。

训练详情

数据集

该模型在 gretelai/synthetic_text_to_sql 数据集上进行微调，该数据集包含映射到SQL查询的各种自然语言查询，以及可选的结构上下文。

局限性

1. 复杂查询：处理高度嵌套或高级的SQL任务时可能会遇到困难。
2. 非英语提示：仅针对英语进行了优化。
3. 上下文依赖：在没有明确指令的情况下可能会生成错误的结构。

📄 许可证

本项目采用MIT许可证。