/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
394 млн
Лицензия
MIT
Архитектура
llama · dense
Библиотека
transformers
Опубликована
11 авг 2026

sqlpup-394m-sft-grpo

Генерация текстаТекст → текст3 профессии

Компактная модель Llama-стиля, обученная с нуля и донастроенная для генерации SQL по вопросам и схемам баз данных.

28скачиваний за 30 дней0лайковвеса обновлены11 авг 2026

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.

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

sqlpup-394m-sft-grpo — текстовая генеративная модель для преобразования вопросов на естественном языке в SQL, разработанная shivenkk. Это декодер Llama-стиля с 394,3 млн параметров, обученный с нуля на 9,67 млрд токенов, затем прошедший supervised fine-tuning и этап GRPO с наградой за выполнение запросов. Архитектура включает 32 слоя, grouped-query attention, RoPE, SwiGLU и RMSNorm; контекст — 2048 токенов. Модель использует байтовый BPE-токенизатор с 32 768 элементами.

Модель предназначена для генерации SQL по вопросу пользователя, схеме базы данных в виде операторов CREATE TABLE и строке evidence из формата BIRD. Она выводит комментарий с предполагаемыми таблицами и столбцами, а затем SQL. На dev-разбиении BIRD точность выполнения составила 18,12% при жадном декодировании, 19,23% с уплотнением схемы и 23,51% при уплотнении и голосовании по семи вариантам. Эти результаты показывают ограниченную точность и относятся только к BIRD dev.

Модель распространяется по лицензии MIT. Короткое окно контекста затрудняет работу с крупными схемами без этапа их уплотнения; около 1% вопросов dev-разбиения не дают разбираемого SQL в конфигурации голосования.

Сценарии применения

  • генерация SQL-запроса по вопросу на естественном языке
  • ответы на вопросы к базе данных по схеме CREATE TABLE
  • преобразование запросов формата BIRD в исполняемый SQL

Ограничения

Контекст ограничен 2048 токенами, поэтому для крупных схем требуется уплотнение. Модель обучалась и оценивалась только на BIRD; точность выполнения на BIRD dev невысока, а примерно 1% вопросов в конфигурации голосования не дают разбираемого SQL.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

sqlpup-394m-sft-grpo

The SFT model above plus a GRPO stage over an execution reward. 23.51% execution accuracy on BIRD dev.

Pretrained from scratch on 9.67B tokens, supervised fine-tuned, then trained with GRPO against a three-tier execution reward on prompts the supervised stage did not sample. The gain over the supervised checkpoint is significant in one decoding configuration of three, which the project reports rather than reducing to a single number.

Code, configs, and the per-run artifacts behind every number here: github.com/shivenkk/sqlpup.

What it is

A 394M-parameter decoder trained from scratch for text-to-SQL: no pretrained initialisation, no distillation from a larger model. The corpus (9.67B tokens) and the 32,768-entry byte-level BPE tokenizer were built for this task.

Architecture: Llama-style, 1024 wide by 32 layers, grouped-query attention with 16 query heads and 4 key/value heads, RoPE, SwiGLU, RMSNorm, 2048-token context.

Measured accuracy

Execution accuracy on the BIRD development split, all 1534 questions:

decodingsqlpup-394m-sftthis model
greedy17.41%18.12%
+ schema compaction17.86%19.23%
+ compaction, 7-sample voting22.84%23.51%

The voting rows are means over sampling seeds 0/101/202. Absolute accuracy is far from frontier systems; the point of the project was a controlled measurement of what from-scratch pretraining at this scale buys, not a leaderboard score.

Prompt format

The model expects the schema's CREATE TABLE statements verbatim, then the question, then BIRD's evidence string. It emits a short comment block naming the tables and columns it intends to use, then the SQL. Use the accompanying code so the format and the SQL extraction match what the numbers were measured with.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("shivenkk/sqlpup-394m-sft-grpo")
tok = AutoTokenizer.from_pretrained("shivenkk/sqlpup-394m-sft-grpo")

For evaluation, prefer the project's own harness, which handles the prompt spec, over-context schema compaction, and execution-guided voting:

python -m sqlpup.cli eval predict --model-dir <dir> --examples dev.json \
  --db-root dev_databases --out-dir out --compact-overflow --self-consistency 7

Limitations

  • 2048-token context. Large schemas need the compaction pass to fit.
  • Trained and measured on BIRD only. No test-split number, no second dataset.
  • Roughly 1% of dev questions produce no parseable SQL in the voting configuration, recorded as errors rather than dropped.

Training data

FineWeb-Edu, StarCoder, the Python subset of The Stack, SynSQL-2.5M, and SchemaPile, deduplicated and decontaminated against the evaluation sets.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
40f522d

0 моделей