/ Модель
Каталог

Характеристики

Контекст
2 048 токенов
Параметры
1,7 млрд
Лицензия
MIT
Архитектура
phi · dense
Базовая модель
phi-1_5
Опубликована
8 фев 2024

Ссылки

Hugging Face

phi_Text2SQL_v2

ManthanCisco
Генерация текстаТекст → текст3 профессии

Дообученная Phi-1.5 для генерации SQL по текстовым запросам, назначение которой следует из названия репозитория.

13скачиваний за 30 дней0лайковвеса обновлены8 фев 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

ManthanCisco/phi_Text2SQL_v2 — дообученная модель Microsoft Phi-1.5 с 1,7 млрд параметров, предназначенная для генерации текста по архитектуре PhiForCausalLM. Название репозитория указывает на применение для преобразования запросов на естественном языке в SQL, однако README не содержит описания этого сценария, данных обучения или результатов оценки.

Модель принимает текст и выдаёт текст; базовая модель англоязычная, а её контекст составляет 2048 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. Практическое качество генерации SQL, поддерживаемые диалекты и ограничения в карточке не описаны.

Сценарии применения

  • генерация SQL-запросов по описанию на естественном языке
  • преобразование вопроса к базе данных в SQL
  • создание черновика SQL для последующей проверки

Ограничения

README не сообщает о датасете, оценке качества и поддерживаемых диалектах SQL. Сгенерированные запросы могут требовать проверки на соответствие схеме и синтаксису целевой базы данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейI.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

working

This model is a fine-tuned version of microsoft/phi-1_5 on the None dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0002
  • train_batch_size: 1
  • eval_batch_size: 1
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 4
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.05
  • num_epochs: 2

Training results

Framework versions

  • Transformers 4.36.0
  • Pytorch 2.0.0
  • Datasets 2.16.0
  • Tokenizers 0.15.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
PhiForCausalLM
Ревизия весов
b33b28e

0 моделей

    Создать бенчмарк