/ Модель
Каталог

Характеристики

Контекст
131 072 токена
Параметры
7,6 млрд
Размер весов
32,8 ГБ
Архитектура
qwen3 · dense
Базовая модель
DeepSeek-R1-0528-Qwen3-8B
Библиотека
transformers
Опубликована
4 июн 2025

Ссылки

Hugging FacearXiv 1910.09700

DeepSeek-R1-0528-DSR-SQLCoder

kristiannordby
Генерация текстаТекст → текст3 профессии

Дообученная на парах текстовых вопросов и SQL модель Qwen3 для генерации SQL-запросов по запросам на английском языке.

76скачиваний за 30 дней2лайкавеса обновлены5 июн 2025

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

Kristian Nordby разработал и дообучил на наборе запросов text-to-SQL модель DeepSeek-R1-0528-DSR-SQLCoder на базе deepseek-ai/DeepSeek-R1-0528-Qwen3-8B. Это плотная причинно-языковая модель семейства Qwen3 с 7,6 млрд параметров, предназначенная для генерации SQL по текстовым запросам на английском языке. Её можно применять для преобразования вопросов к данным в SQL и для прототипирования интерфейсов запросов к базам данных на естественном языке.

Модель использует архитектуру Qwen3ForCausalLM, работает через Transformers и имеет контекстное окно до 131 072 токенов. Веса опубликованы в формате safetensors. Карточка не приводит результатов тестирования или метрик качества, подробностей обучающего набора и лицензии, поэтому точность на конкретных схемах баз данных и условия использования следует проверять отдельно.

Сценарии применения

  • генерация SQL по вопросу на английском языке
  • перевод вопросов к базе данных в SQL-запросы
  • создание прототипа интерфейса запросов к данным на естественном языке

Ограничения

В карточке нет опубликованных метрик и результатов тестирования, поэтому качество генерации не установлено. Лицензия и подробности обучающих данных в предоставленных источниках не указаны.

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 488моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Model ID

Model Details

Finetune of deepseek-ai/DeepSeek-R1-0528-Qwen3-8B; trained on dataset of domain-specific text-to-SQL queries.

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

  • Developed by: Kristian Nordby
  • Funded by: AI2C
  • Model type: Qwen3; CausalLM
  • Language(s) (NLP): English
  • Finetuned from model: deepseek-ai/DeepSeek-R1-0528-Qwen3-8B

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Trainable layers: lm_head, q_proj of first SelfAttention layer

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: [More Information Needed]
  • Hours used: [More Information Needed]
  • Cloud Provider: [More Information Needed]
  • Compute Region: [More Information Needed]
  • Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
14399cc

0 моделей

    Создать бенчмарк