/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
bge-base-en-v1.5
Библиотека
sentence-transformers
Опубликована
13 ноя 2024

bge-base-for_text2sql

ЭмбеддингиТекст → embedding6 профессий

Англоязычная модель эмбеддингов для семантического поиска контекста и вопросов в задачах Text-to-SQL.

113скачиваний за 30 дней0лайковвеса обновлены13 ноя 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 «Эмбеддинги» — 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.

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

dat-ai/bge-base-for_text2sql — англоязычная модель Sentence Transformer, дообученная разработчиком dat-ai на базе BAAI/bge-base-en-v1.5 для поиска и сопоставления текста в сценариях Text-to-SQL. Она преобразует текстовые фрагменты в плотные эмбеддинги размерностью 768, нормализует векторы и использует косинусное сходство; обучение проводилось на 56 355 примерах с контекстом и вопросом, связанными с генерацией SQL-запросов.

Архитектура основана на BERT, максимальная длина входа — 512 токенов. Модель подходит для поиска релевантного контекста и вопросов по табличным данным, но сама SQL-запросы не генерирует. Лицензия — Apache-2.0.

Сценарии применения

  • поиск подходящих таблиц и контекста по вопросу на естественном языке
  • сопоставление вопросов с примерами SQL-запросов
  • ранжирование контекста для системы Text-to-SQL
  • группировка похожих вопросов к табличным данным

Ограничения

Принимает последовательности длиной до 512 токенов и рассчитана на английский язык. Создаёт эмбеддинги для поиска и сопоставления, а не генерирует SQL-запросы.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BGE base SQL Matryoshka

This is a sentence-transformers model finetuned from BAAI/bge-base-en-v1.5 on the json dataset. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

Model Details

Model Description

  • Model Type: Sentence Transformer
  • Base model: BAAI/bge-base-en-v1.5
  • Maximum Sequence Length: 512 tokens
  • Output Dimensionality: 768 dimensions
  • Similarity Function: Cosine Similarity
  • Training Dataset:
    • json
  • Language: en
  • License: apache-2.0

Model Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': True}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
  (2): Normalize()
)

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("dat-ai/bge-base-for_text2sql")
# Run inference
sentences = [
    '\n  Given  the Column informations, generate an SQL query for the following question:\n  Column: Nomination | Actors Name | Film Name | Director | Country\n  Question: What was the film Falling up nominated for?\n  SQL Query: SELECT Nomination FROM table WHERE Film Name = Falling Up\n  ',
    'What was the film Falling up nominated for?',
    'Who wrote an episode watched by 19.01 million US viewers?',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Evaluation

Metrics

Information Retrieval

Metricdim_768dim_512dim_256dim_128dim_64
cosine_accuracy@10.46760.46780.46750.46770.4678
cosine_accuracy@30.46970.46970.46970.46960.4696
cosine_accuracy@50.46970.46970.46970.46980.4696
cosine_accuracy@100.46970.46970.46980.46980.4697
cosine_precision@10.46760.46780.46750.46770.4678
cosine_precision@30.15660.15660.15660.15650.1565
cosine_precision@50.09390.09390.09390.0940.0939
cosine_precision@100.0470.0470.0470.0470.047
cosine_recall@10.46760.46780.46750.46770.4678
cosine_recall@30.46970.46970.46970.46960.4696
cosine_recall@50.46970.46970.46970.46980.4696
cosine_recall@100.46970.46970.46980.46980.4697
cosine_ndcg@100.46890.4690.46890.46890.469
cosine_mrr@100.46860.46870.46860.46870.4687
cosine_map@1000.46860.46870.46860.46870.4687

Training Details

Training Dataset

json

  • Dataset: json
  • Size: 56,355 training samples
  • Columns: context and question
  • Approximate statistics based on the first 1000 samples:
    contextquestion
    typestringstring
    detailsmin: 45 tokensmean: 72.61 tokensmax: 196 tokensmin: 7 tokensmean: 15.41 tokensmax: 36 tokens
  • Samples:
    contextquestion
    Given the Column informations, generate an SQL query for the following question: Column: State/territoryText/background colour
    Given the Column informations, generate an SQL query for the following question: Column: State/territoryText/background colour
    Given the Column informations, generate an SQL query for the following question: Column: State/territoryText/background colour
  • Loss: MatryoshkaLoss with these parameters:
    {
        "loss": "MultipleNegativesRankingLoss",
        "matryoshka_dims": [
            768,
            512
        ],
        "matryoshka_weights": [
            1,
            1
        ],
        "n_dims_per_step": -1
    }
    

Training Hyperparameters

Non-Default Hyperparameters

  • eval_strategy: epoch
  • per_device_train_batch_size: 16
  • gradient_accumulation_steps: 8
  • learning_rate: 2e-05
  • num_train_epochs: 4
  • lr_scheduler_type: cosine
  • warmup_ratio: 0.1
  • fp16: True
  • load_best_model_at_end: True
  • optim: adamw_torch_fused
  • batch_sampler: no_duplicates

All Hyperparameters

  • overwrite_output_dir: False
  • do_predict: False
  • eval_strategy: epoch
  • prediction_loss_only: True
  • per_device_train_batch_size: 16
  • per_device_eval_batch_size: 8
  • per_gpu_train_batch_size: None
  • per_gpu_eval_batch_size: None
  • gradient_accumulation_steps: 8
  • eval_accumulation_steps: None
  • learning_rate: 2e-05
  • weight_decay: 0.0
  • adam_beta1: 0.9
  • adam_beta2: 0.999
  • adam_epsilon: 1e-08
  • max_grad_norm: 1.0
  • num_train_epochs: 4
  • max_steps: -1
  • lr_scheduler_type: cosine
  • lr_scheduler_kwargs: {}
  • warmup_ratio: 0.1
  • warmup_steps: 0
  • log_level: passive
  • log_level_replica: warning
  • log_on_each_node: True
  • logging_nan_inf_filter: True
  • save_safetensors: True
  • save_on_each_node: False
  • save_only_model: False
  • restore_callback_states_from_checkpoint: False
  • no_cuda: False
  • use_cpu: False
  • use_mps_device: False
  • seed: 42
  • data_seed: None
  • jit_mode_eval: False
  • use_ipex: False
  • bf16: False
  • fp16: True
  • fp16_opt_level: O1
  • half_precision_backend: auto
  • bf16_full_eval: False
  • fp16_full_eval: False
  • tf32: None
  • local_rank: 0
  • ddp_backend: None
  • tpu_num_cores: None
  • tpu_metrics_debug: False
  • debug: []
  • dataloader_drop_last: False
  • dataloader_num_workers: 0
  • dataloader_prefetch_factor: None
  • past_index: -1
  • disable_tqdm: False
  • remove_unused_columns: True
  • label_names: None
  • load_best_model_at_end: True
  • ignore_data_skip: False
  • fsdp: []
  • fsdp_min_num_params: 0
  • fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
  • fsdp_transformer_layer_cls_to_wrap: None
  • accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
  • deepspeed: None
  • label_smoothing_factor: 0.0
  • optim: adamw_torch_fused
  • optim_args: None
  • adafactor: False
  • group_by_length: False
  • length_column_name: length
  • ddp_find_unused_parameters: None
  • ddp_bucket_cap_mb: None
  • ddp_broadcast_buffers: False
  • dataloader_pin_memory: True
  • dataloader_persistent_workers: False
  • skip_memory_metrics: True
  • use_legacy_prediction_loop: False
  • push_to_hub: False
  • resume_from_checkpoint: None
  • hub_model_id: None
  • hub_strategy: every_save
  • hub_private_repo: False
  • hub_always_push: False
  • gradient_checkpointing: False
  • gradient_checkpointing_kwargs: None
  • include_inputs_for_metrics: False
  • eval_do_concat_batches: True
  • fp16_backend: auto
  • push_to_hub_model_id: None
  • push_to_hub_organization: None
  • mp_parameters:
  • auto_find_batch_size: False
  • full_determinism: False
  • torchdynamo: None
  • ray_scope: last
  • ddp_timeout: 1800
  • torch_compile: False
  • torch_compile_backend: None
  • torch_compile_mode: None
  • dispatch_batches: None
  • split_batches: None
  • include_tokens_per_second: False
  • include_num_input_tokens_seen: False
  • neftune_noise_alpha: None
  • optim_target_modules: None
  • batch_eval_metrics: False
  • prompts: None
  • batch_sampler: no_duplicates
  • multi_dataset_batch_sampler: proportional

Training Logs

EpochStepTraining Lossdim_768_cosine_ndcg@10dim_512_cosine_ndcg@10dim_256_cosine_ndcg@10dim_128_cosine_ndcg@10dim_64_cosine_ndcg@10
0.0227101.773-----
0.0454201.3231-----
0.0681300.713-----
0.0908400.286-----
0.1135500.1013-----
0.1362600.0635-----
0.1590700.0453-----
0.1817800.041-----
0.2044900.039-----
0.22711000.027-----
0.24981100.0193-----
0.27251200.0167-----
0.29521300.016-----
0.31791400.0197-----
0.34061500.0217-----
0.36331600.0162-----
0.38601700.012-----
0.40871800.013-----
0.43151900.0255-----
0.45422000.0229-----
0.47692100.0181-----
0.49962200.0195-----
0.52232300.0199-----
0.54502400.0144-----
0.56772500.0102-----
0.59042600.0101-----
0.61312700.0095-----
0.63582800.0173-----
0.65852900.01-----
0.68123000.0129-----
0.70393100.0177-----
0.72673200.0106-----
0.74943300.0146-----
0.77213400.0185-----
0.79483500.0203-----
0.81753600.0146-----
0.84023700.0072-----
0.86293800.0102-----
0.88563900.0075-----
0.90834000.0064-----
0.93104100.0163-----
0.95374200.0069-----
0.97644300.0072-----
0.99914400.01470.46880.46890.46880.46890.4689
1.02194500.0151-----
1.04464600.0135-----
1.06734700.0189-----
1.09004800.0121-----
1.11274900.0064-----
1.13545000.0111-----
1.15815100.0103-----
1.18085200.0144-----
1.20355300.0151-----
1.22625400.0062-----
1.24895500.0104-----
1.27165600.0046-----
1.29445700.0056-----
1.31715800.0073-----
1.33985900.007-----
1.36256000.0074-----
1.38526100.0057-----
1.40796200.0052-----
1.43066300.0114-----
1.45336400.0075-----
1.47606500.0116-----
1.49876600.0092-----
1.52146700.0137-----
1.54416800.0066-----
1.56686900.0042-----
1.58967000.0036-----
1.61237100.0039-----
1.63507200.0065-----
1.65777300.0051-----
1.68047400.0054-----
1.70317500.0086-----
1.72587600.0062-----
1.74857700.0071-----
1.77127800.0108-----
1.79397900.009-----
1.81668000.0075-----
1.83938100.0039-----
1.86208200.0047-----
1.88488300.0037-----
1.90758400.0037-----
1.93028500.0064-----
1.95298600.0047-----
1.97568700.0034-----
1.99838800.00610.46890.46890.46890.46900.4690
2.02108900.0096-----
2.04379000.0071-----
2.06649100.0101-----
2.08919200.0054-----
2.11189300.0039-----
2.13459400.0074-----
2.15739500.0044-----
2.18009600.0088-----
2.20279700.0096-----
2.22549800.0057-----
2.24819900.0063-----
2.270810000.0026-----
2.293510100.0032-----
2.316210200.0027-----
2.338910300.0041-----
2.361610400.0052-----
2.384310500.0035-----
2.407010600.0025-----
2.429710700.0059-----
2.452510800.0048-----
2.475210900.0064-----
2.497911000.0066-----
2.520611100.0078-----
2.543311200.0057-----
2.566011300.0026-----
2.588711400.0021-----
2.611411500.0021-----
2.634111600.0047-----
2.656811700.0034-----
2.679511800.0044-----
2.702211900.0058-----
2.725012000.0043-----
2.747712100.0056-----
2.770412200.0076-----
2.793112300.0063-----
2.815812400.0033-----
2.838512500.0025-----
2.861212600.0019-----
2.883912700.0052-----
2.906612800.0021-----
2.929312900.0041-----
2.952013000.0035-----
2.974713100.0044-----
2.997413200.0035-----
2.99971321-0.4690.4690.4690.4690.469
3.020213300.0062-----
3.042913400.0047-----
3.065613500.008-----
3.088313600.0033-----
3.111013700.0025-----
3.133713800.0069-----
3.156413900.0035-----
3.179114000.0085-----
3.201814100.007-----
3.224514200.007-----
3.247214300.0052-----
3.269914400.0019-----
3.292614500.0022-----
3.315414600.0019-----
3.338114700.0028-----
3.360814800.0042-----
3.383514900.0023-----
3.406215000.0024-----
3.428915100.0036-----
3.451615200.0038-----
3.474315300.0063-----
3.497015400.0044-----
3.519715500.0064-----
3.542415600.0053-----
3.565115700.0019-----
3.587915800.0019-----
3.610615900.0017-----
3.633316000.004-----
3.656016100.0026-----
3.678716200.0031-----
3.701416300.0043-----
3.724116400.0032-----
3.746816500.0041-----
3.769516600.0069-----
3.792216700.0063-----
3.814916800.0038-----
3.837616900.0024-----
3.860317000.0018-----
3.883117100.0034-----
3.905817200.0016-----
3.928517300.0026-----
3.951217400.0037-----
3.973917500.0024-----
3.996617600.00270.46890.46900.46890.46890.4690
  • The bold row denotes the saved checkpoint.

Framework Versions

  • Python: 3.10.14
  • Sentence Transformers: 3.3.0
  • Transformers: 4.41.2
  • PyTorch: 2.1.2+cu121
  • Accelerate: 0.34.2
  • Datasets: 2.19.1
  • Tokenizers: 0.19.1

Citation

BibTeX

Sentence Transformers

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}

MatryoshkaLoss

@misc{kusupati2024matryoshka,
    title={Matryoshka Representation Learning},
    author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
    year={2024},
    eprint={2205.13147},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

MultipleNegativesRankingLoss

@misc{henderson2017efficient,
    title={Efficient Natural Language Response Suggestion for Smart Reply},
    author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
    year={2017},
    eprint={1705.00652},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
7e5e2ff

0 моделей