Blar-SQL：更快速、更强大、更小巧的 NL2SQL
计算与语言
2024-01-09 v1 人工智能
摘要
大语言模型在自然语言到 SQL 任务（NL2SQL）领域获得了显著的关注。在本研究中，我们展示了任务分解如何极大地帮助 LLM 进行数据库理解和查询生成，从而用 SQL 查询回答人类问题。我们微调了开源模型，特别是 Llama-2 和 Code Llama，通过组合两个分别专注于两项任务之一的不同模型，以利用每个模型的核心能力，从而进一步提高最终 SQL 查询的准确率。我们提出了一个新框架，将模式分块，以便在有限的上下文中容纳更多信息。我们的结果与 GPT-4 获得的结果相当，同时比 GPT-4 小 135 倍、快 90 倍，且便宜 100 倍以上。
引用
@article{arxiv.2401.02997,
title = {Blar-SQL: Faster, Stronger, Smaller NL2SQL},
author = {José Manuel Domínguez and Benjamín Errázuriz and Patricio Daher},
journal= {arXiv preprint arXiv:2401.02997},
year = {2024}
}