Descrição
QwerySmith 1.0 é um modelo de Text-to-SQL desenvolvido para facilitar a conversão de consultas em linguagem natural em comandos SQL. Baseado no modelo unsloth/Qwen3-4B, foi ajustado usando QLoRA com Unsloth, aproveitando 10.000 pares de contexto de texto para SQL. Este modelo é particularmente útil para administradores de banco de dados e desenvolvedores que precisam traduzir uma linguagem amigável ao usuário em consultas SQL precisas.
Ler mais
O modelo demonstra resultados impressionantes em benchmarks, com uma taxa de SQL válido de até 99,5% em cenários de few-shot e uma taxa de correspondência exata de 87,5% quando ajustado. Sua precisão de execução varia de 34,6% a 88,5%, dependendo do conjunto de dados e da configuração do sistema. Essas métricas indicam sua confiabilidade e eficiência na produção de comandos SQL corretos.
QwerySmith 1.0 é projetado para executar consultas em SQLite sem erros, garantindo que as consultas previstas e as consultas de referência retornem as mesmas linhas. É particularmente benéfico para ambientes onde os dialetos SQL variam, embora seja otimizado para SQLite.
O modelo é de código aberto, alinhando-se à missão do Hugging Face de democratizar a inteligência artificial por meio da ciência aberta. É adequado para indústrias que dependem de gerenciamento e análise de dados, fornecendo uma ferramenta robusta para transformar dados textuais em consultas SQL acionáveis.
- CategoriaModelos de IA e LLMs
- Modelo de preçosCódigo aberto
- ImplantaçãoNuvem
- PlataformasWeb
Destaques de QwerySmith 1.0
Conversão de Text-to-SQL
Ajuste fino com QLoRA
Alta taxa de validade SQL
Precisão de correspondência exata
Precisão de execução
Modelo de código aberto
Baseado em Qwen3-4B
Otimizado para SQLite
Primeiros passos com QwerySmith 1.0
Acessar o modelo: Visite o Hugging Face
Autenticar: Use suas credenciais
Configurar o ambiente: Prepare o SQLite
Integrar via API: Conecte o modelo
Otimizar: Ajuste fino com QLoRA
Casos de uso de QwerySmith 1.0
- Gerenciamento de Banco de Dados
- Análise de Dados
- Aprendizado de SQL
- Relatórios Automatizados
- Inteligência de Negócios
