15B模型單項能力錘得過(guò)GPT3.5，開(kāi)源SQLCoder已上崗

Coder 家族再添新成員，并且已經(jīng)開(kāi)源！

你知道的有關(guān)于代碼編輯的大模型工具有哪些呢？

推特用戶(hù) @lvwerra 制作了下面這張圖，為大家梳理代碼大家庭的大部分成員。

就在他發(fā)布了這張圖后的兩周內，又有三位新成員加入了這個(gè)大家庭，它們分別是 DeciCoder、OctoCoder 以及最新的成員 SQLCoder。

其中，這個(gè)最新成員 SQLCoder 不僅性能出色，并且已經(jīng)開(kāi)源了！

SQLCoder

作為一個(gè) SOTA 大型語(yǔ)言模型， SQLCoder 將自然語(yǔ)言問(wèn)題轉換為 SQL 查詢(xún)。在開(kāi)發(fā)者的開(kāi)源評估框架 SQLEval 中，SQLCoder 的性能明顯優(yōu)于所有主要的開(kāi)源模型，并且優(yōu)于 OpenAI 的 GPT-3.5。

SQLCoder 是一個(gè) 15B 參數的 LLM，也是 StarCoder 的微調實(shí)現。SQLCoder 在手工制作的 SQL 查詢(xún)上進(jìn)行了微調，難度依次遞增。在針對單個(gè)數據庫模式進(jìn)行微調時(shí)，它的性能可與 GPT-4 媲美，甚至更勝一籌。

• 項目地址：https://github.com/defog-ai/sqlcoder

• 演示地址：https://defog.ai/sqlcoder-demo/

• 模型權重：https://huggingface.co/defog/sqlcoder

在過(guò)去的三個(gè)月里，SQLCoder 已經(jīng)部署在了醫療、金融等企業(yè)中。這些企業(yè)通常擁有敏感數據，他們不希望這些數據從自有服務(wù)器中流出，因此利用自托管模型是他們使用 LLM 的唯一途徑。

方法

創(chuàng )建數據集

作者創(chuàng )建了一個(gè)手工編輯的 prompt - 補全對數據集，重點(diǎn)是文本到 SQL 任務(wù)。該數據集由 10 個(gè)不同的模式創(chuàng )建，問(wèn)題難度各不相同。此外，他們還從 7 個(gè)新模式中創(chuàng )建了一個(gè)包含 175 個(gè)問(wèn)題的評估數據集。

他們確保在訓練數據集和評估數據集中都選擇了有 4-20 張表的復雜模式，這是因為只有 1 或 2 個(gè)表的模式由于關(guān)系有限，往往只能進(jìn)行簡(jiǎn)單直接的查詢(xún)。

問(wèn)題分類(lèi)

數據集創(chuàng )建后，作者將數據集中的每個(gè)問(wèn)題分為易、中、難、特難四類(lèi)。這種分類(lèi)通過(guò)調整 Spider 數據集使用的標準來(lái)完成，以衡量 SQL 難度。最后，他們將數據集分為兩個(gè)不同的子部分，分別是簡(jiǎn)單問(wèn)題和中等問(wèn)題，以及難題和超難題。

微調

作者分以下兩個(gè)階段對模型進(jìn)行了微調。

首先，僅在簡(jiǎn)單和中等難度的問(wèn)題上對 StarCoder 基礎模型進(jìn)行了微調。

其次，在難題和超難題上對得到的模型（代碼為 defog-easy）進(jìn)行微調，從而得到 SQLcoder。

評估

作者在自己創(chuàng )建的自定義數據集上對模型進(jìn)行了評估。評估 SQL 查詢(xún)的正確性非常困難，他們曾考慮使用 GPT-4 作為 評估標準，但遇到了很多問(wèn)題。過(guò)程中他們還意識到，兩個(gè)不同的 SQL 查詢(xún)可能都正確。

對于 「誰(shuí)是最近 10 個(gè)來(lái)自多倫多的用戶(hù) 」這個(gè)問(wèn)題，以下兩種查詢(xún)方式都是正確的。

鑒于此，作者建立了一個(gè)自定義框架來(lái)評估查詢(xún)的正確性。他們不僅開(kāi)源了模型權重，同樣開(kāi)源了評估框架與評估數據集。

發(fā)布數據集的目的是豐富可用基準，幫助研究人員和工程師更好地了解文本到 SQL 生成模型的性能，特別是該模型對返回結果中的無(wú)害變化（如列重命名、附加列和重新排序）的穩健性。

更多關(guān)于評估的細節請參見(jiàn)博客內容：https://defog.ai/blog/open-sourcing-sqleval/

性能

在評估框架中，Defog SQLCoder 的表現優(yōu)于除 GPT-4 之外的所有主要模型。特別地，它的性能超過(guò)了 gpt-3.5-turbo  和 text-davinci-003，而這兩個(gè)模型的大小是它的 10 倍以上。

這些結果針對的是通用 SQL 數據庫，并不反映 SQLCoder 在單個(gè)數據庫模式上的性能。在對單個(gè)數據庫模式進(jìn)行微調時(shí)，SQLCoder 的性能與 OpenAI 的 GPT-4 相同或更好，延遲更低（在 A100 80GB 上）。

將每個(gè)生成的問(wèn)題分為 5 類(lèi)，按類(lèi)別顯示了每個(gè)模型正確回答問(wèn)題的百分比。

SQLCoder 的硬件要求

SQLCoder 已在帶權重的 A100 40GB GPU 上進(jìn)行了測試。你還可以在 20GB 或更大內存的消費級 GPU（如 RTX 4090、RTX 3090 以及 20GB 或更大內存的蘋(píng)果 M2 Pro、M2 Max 或 M2 Ultra 芯片）上加載該模型的 8 位和 4 位量化版本。

接下來(lái)的工作

未來(lái)幾周，作者將對 SQLCoder 進(jìn)行以下更新：

• 利用更多人工收集的數據和更廣泛的問(wèn)題對模型進(jìn)行訓練；

• 利用獎勵建模和 RLHF 進(jìn)一步調整模型；

• 從頭開(kāi)始預訓練一個(gè)專(zhuān)門(mén)從事數據分析的模型（SQL + Python）。

如果你對 SQLCoder 感興趣，快點(diǎn)擊演示地址進(jìn)行探索吧！