许可证：llama2
语言：

• 英语
  库名称：transformers

文本转SQL翻译模型——Millennials正式发布 🎉

欢迎访问我们的文本转SQL翻译模型仓库！该模型专为文本转SQL任务优化，旨在革新系统对自然语言指令的理解与翻译能力，将其高效转化为SQL查询。基于CodeLLaMa 13B架构，我们通过精心筛选的10万条SQL查询生成指令数据集进行微调，确保输出质量与精确性。

核心特性

• 专业转换：擅长将自然语言文本转化为SQL查询语句
• 海量训练：基于10万条多样化SQL生成指令微调
• 即插即用：轻松集成，实时生成SQL查询

生成响应

模型微调完成后，您可快速将自然语言指令转化为SQL查询。通过generate.py脚本（支持从Hugging Face模型库直接加载模型）即可实现快速推理。以下是使用示例：

import torch  
from transformers import AutoTokenizer, AutoModelForCausalLM  

tokenizer = AutoTokenizer.from_pretrained("budecosystem/sql-millennials-13b")  
model = AutoModelForCausalLM.from_pretrained("budecosystem/sql-millennials-13b")  

prompt = "模拟好奇用户与AI助手的对话。助手需专业、详尽且礼貌地回应用户请求。\n用户：根据给定表结构及问题创建SQL查询\n助手："  

inputs = tokenizer(prompt, return_tensors="pt")  
sample = model.generate(**inputs, max_length=128)  
print(tokenizer.decode(sample[0]))  

该脚本将调用Hugging Face模型库的预训练模型进行推理，并打印生成的SQL查询。

训练详情

模型在4块A100 80GB显卡上训练约55小时完成。

为什么命名为"Millennials"？

1. 企业自动化数据库管理
   场景：中小企业通常缺乏专职IT团队处理数据库查询，难以快速获取分析决策所需数据。
   应用：将模型集成至企业内部系统后，非技术人员可通过自然语言指令（如"获取上季度所有超过1万美元的交易记录"）直接获取数据，模型自动生成对应SQL查询。

2. 数据分析流程自动化
   场景：数据分析师常因复杂SQL语法导致即时/重复性数据检索效率低下。
   应用：模型作为智能中介，分析师输入"显示过去五年在线销售增长趋势"等指令，系统即时生成SQL并联动可视化工具输出洞察，赋能非技术部门实时数据分析。

3. 增强CMS系统交互
   场景：内容管理系统对非技术管理员存在复杂数据检索门槛。
   应用：集成模型后，管理员输入"查找2023年5月浏览量超500的所有博客文章"等指令即可直接获取数据，大幅提升数据库管理易用性。

4. 客户支持效率优化
   场景：客服人员需基础SQL知识来检索客户/产品数据库。
   应用：集成至工单系统后，支持人员输入"显示本月纽约客户所有未解决工单"等指令即可快速获取所需数据，提升服务响应速度。

5. 数据新闻与研究
   场景：记者/研究者常需从复杂数据库获取信息但缺乏SQL技能。
   应用：集成至研究工具后，输入"获取2022年德克萨斯州家庭收入中位数"等指令即可直接调取数据，助力高效研究与数据叙事。

参与贡献

欢迎通过提交PR或创建issue来参与模型改进，共同推动项目发展。

致谢

衷心感谢开源社区及为本模型奠定基础的研究者们。