/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Лицензия
BSD 3-Clause
Архитектура
t5 · dense
Базовая модель
codet5p-220m
Библиотека
transformers
Опубликована
22 сен 2026

codet5p-sql2text

Генерация текстаТекст → текст3 профессии

Дообученная модель T5, которая объясняет SQL-запросы обычным английским языком, при необходимости учитывая DDL таблиц.

337скачиваний за 30 дней0лайковвеса обновлены22 сен 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

thealper2/codet5p-sql2text — дообученная модель Salesforce/codet5p-220m, созданная для объяснения SQL-запросов на естественном английском языке. Она принимает SQL-запрос и может дополнительно использовать DDL затронутых таблиц, а затем формирует предложение о том, что делает запрос. Модель не предназначена для преобразования вопроса на естественном языке в SQL.

Модель построена на архитектуре T5, содержит 123,7 млн параметров и работает с контекстом до 512 токенов. Она обучена на синтетических запросах и объяснениях из gretelai/synthetic_text_to_sql; в оценке автор сообщает метрики генерации и проверки соответствия объяснений операциям запроса.

Объяснения отражают стиль синтетических данных и опираются на текст запроса, а не на смысл данных или столбцов. Длинные условия WHERE могут быть переданы неполно, а входы сверх допустимой длины обрезаются, поэтому объяснения не следует использовать как аудит результата запроса. Модель ориентирована на английский язык. Лицензия — BSD 3-Clause.

Сценарии применения

  • краткое объяснение назначения SQL-запроса
  • создание англоязычной документации к SQL
  • описание запросов вместе со схемой таблиц
  • упрощение чтения SQL для аналитиков и разработчиков

Ограничения

Обучена на синтетических запросах и объяснениях, поэтому стиль может не соответствовать документации конкретной команды. Может упускать детали длинных условий WHERE и обрезать большие входы; объясняет запрос по его тексту, а не по данным.

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

SQL-to-Text (Salesforce/codet5p-220m)

Salesforce/codet5p-220m fine-tuned to explain a SQL query in plain English.

The direction is SQL -> natural language: the model takes a query (and, optionally, the DDL of the tables it touches) and returns a sentence describing what that query does. It does not generate SQL from a question.

Prompt format

Inputs follow one fixed template; training, evaluation and inference all build it with the same function, so they cannot drift apart. The schema block is dropped when no DDL is supplied, and when it is supplied only CREATE TABLE ... statements are kept.

Explain the following SQL query.

Schema:
<CREATE TABLE statements>

SQL:
<the query>

Usage

from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

model_id = "thealper2/codet5p-sql2text"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForSeq2SeqLM.from_pretrained(model_id)

schema = "CREATE TABLE employees (id INT, name TEXT, salary INT, dept_id INT);"
sql = "SELECT dept_id, AVG(salary) FROM employees GROUP BY dept_id;"
prompt = f"Explain the following SQL query.\n\nSchema:\n{schema}\n\nSQL:\n{sql}"

inputs = tokenizer(
    prompt,
    return_tensors="pt",
    truncation=True,
    max_length=256,
)
outputs = model.generate(
    **inputs,
    num_beams=4,
    max_new_tokens=128,
    min_new_tokens=5,
    early_stopping=True,
)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Training data

gretelai/synthetic_text_to_sql, mapping sql + sql_context to sql_explanation.

Preprocessing drops rows that are too short to be a real explanation, removes exact duplicates and duplicate inputs, and removes any training row whose input also appears in the official test split, so the reported test scores are not inflated by leakage. The validation split is 3% of the cleaned train split (seed 42).

Sequence lengths were chosen from the measured token-length distribution: source 256 tokens, target 128 tokens.

Training procedure

Hyper-parameterValue
Epochs3.00
Learning rate0.0001
LR schedulelinear
Warmup ratio0.0500
Weight decay0.0100
Optimiseradamw_torch
Per-device train batch size16
Gradient accumulation4
Max gradient norm1.00
Model selectioneval_rougeL
Seed42
Effective batch size64

Trained on a single NVIDIA GeForce RTX 5060 Ti (15.9 GB) with torch 2.11.0+cu128, bf16 mixed precision.

Wall-clock training time: 84 minutes.

Evaluation

Scored by evaluate.py on the full splits with beam search (num_beams=4).

Generation quality

MetricValidationTest_meta
Examples29895850-
BLEU33.6533.10-
ROUGE-167.1566.86-
ROUGE-245.7645.11-
ROUGE-L57.5857.06-
Mean generated length36.3735.69-
Loss0.58290.5923-

SQL-aware faithfulness

Recall metrics ask whether the explanation mentions what the query actually does; the rate metrics are error rates, where lower is better -- they measure claims the query does not support.

MetricValidationTest
Examples29895850
Operation recall98.5398.40
Aggregation recall98.7298.57
Join mention recall98.2198.74
Join table coverage98.3498.56
Condition column coverage82.9881.99
Condition value coverage86.1887.24
Operation over-claim rate5.475.29
Unsupported number rate3.983.18
Unsupported quoted-string rate3.203.18
Unsupported entity rate1.381.72

Limitations

  • Trained on synthetic queries and synthetic explanations, so the phrasing reflects that generator's style rather than how a particular team documents its own queries.
  • Explanations are grounded in the query text, not in the data: the model cannot know what a column means beyond its name.
  • Condition coverage is the weakest area -- long WHERE clauses lose some columns and literals -- so an explanation may describe a filter less precisely than the query applies it. Do not rely on it as an audit of what a query returns.
  • Inputs are truncated past the configured source length, so very large schemas are only partially visible to the model.
  • English only.

Reproduction

make preprocess
make train
make evaluate

Base model: Salesforce/codet5p-220m.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
T5ForConditionalGeneration
Ревизия весов
5c1fd92

0 моделей