许可证：bsd-3-clause
推理参数：
采样方式：否
最大生成长度：200

示例输入：

• 文本：

  CREATE TABLE stadium (  
      stadium_id number,  
      location text,  
      name text,  
      capacity number,  
  )  
  
  -- 使用有效的SQLite语法，基于上述表格回答以下问题。  
  
  -- 总共有多少个体育场？  
  
  SELECT  
  

  示例标题："体育场数量统计"

• 文本：

  CREATE TABLE work_orders (  
      ID NUMBER,  
      CREATED_AT TEXT,  
      COST FLOAT,  
      INVOICE_AMOUNT FLOAT,  
      IS_DUE BOOLEAN,  
      IS_OPEN BOOLEAN,  
      IS_OVERDUE BOOLEAN,  
      COUNTRY_NAME TEXT,  
  )  
  
  -- 使用有效的SQLite语法，基于上述表格回答以下问题。  
  
  -- 有多少工单是开放状态？  
  
  SELECT  
  

  示例标题："开放工单统计"

• 文本：

  CREATE TABLE stadium (  
      stadium_id number,  
      location text,  
      name text,  
      capacity number,  
      highest number,  
      lowest number,  
      average number  
  )  
  
  CREATE TABLE singer (  
      singer_id number,  
      name text,  
      country text,  
      song_name text,  
      song_release_year text,  
      age number,  
      is_male others  
  )  
  
  CREATE TABLE concert (  
      concert_id number,  
      concert_name text,  
      theme text,  
      stadium_id text,  
      year text  
  )  
  
  CREATE TABLE singer_in_concert (  
      concert_id number,  
      singer_id text  
  )  
  
  -- 使用有效的SQLite语法，基于上述表格回答以下问题。  
  
  -- 体育场的最大、平均和最小容量分别是多少？  
  
  SELECT  
  

  示例标题："体育场容量分析"

NSQL (NSQL-6B)

模型描述

NSQL是一系列专为SQL生成任务设计的开源自回归大模型基座。

本仓库包含的模型基于Salesforce的CodeGen-Multi 6B，经过通用SQL查询数据集的预训练和文本-SQL配对数据的微调。

训练数据

通用SQL查询来自The Stack的SQL子集，包含100万训练样本。标注的文本-SQL配对数据采集自20多个公开来源的标准数据集，评估阶段保留Spider和GeoQuery数据集。

评估数据

使用Spider和GeoQuery两个文本-SQL基准进行模型评估。

训练流程

NSQL采用交叉熵损失函数最大化序列输入概率。在文本-SQL配对微调时，仅计算SQL部分的损失。模型家族使用80GB A100显卡，结合数据和模型并行技术，进行了3轮预训练和10轮微调。

使用场景与限制

本模型专用于根据表结构和自然语言提示生成SQL查询，在指定提示格式下输出SELECT语句时表现最佳。

使用方法

示例1：

from transformers import AutoTokenizer, AutoModelForCausalLM  
tokenizer = AutoTokenizer.from_pretrained("NumbersStation/nsql-6B")  
model = AutoModelForCausalLM.from_pretrained("NumbersStation/nsql-6B")  

text = """CREATE TABLE stadium (...)  

-- 使用有效的SQLite语法...  

-- 体育场的最大、平均和最小容量分别是多少？  

SELECT"""  

input_ids = tokenizer(text, return_tensors="pt").input_ids  
generated_ids = model.generate(input_ids, max_length=500)  
print(tokenizer.decode(generated_ids[0], skip_special_tokens=True))  

更多用法（如连接本地数据库）请参考项目仓库。