引言
Text-to-SQL（文本转 SQL）作为 GenBI（天生式商业智能）的核心技能，旨在将天然语言查询主动转换为可实行的 SQL 语句，从而低沉数据分析门槛，赋能非技能用户。尽管预训练大语言模子（LLM）在 Text-to-SQL 使命上已展现出强盛能力，但为了在特定领域或数据集上取得更优结果，往往需要进行微调（Fine-tuning）。
本文将深入探讨怎样使用 LoRA 技能对大语言模子进行监督微调（Supervised Fine-tuning, SFT），以提升 Text-to-SQL 使命的性能。我们将详细介绍数据收集、预处理、模子微调、评估等关键步调，并提供丰富的代码示例，资助读者明白和掌握。
1. 数据收集与预处理
1.1. 数据集选择
Text-to-SQL 领域有多个公开数据集可供选择，其中最常用的包括：
- Spider: 包罗 10,181 个问题和 5,693 个独特的复杂 SQL 查询，涵盖 200 个不同领域的数据库，是目前最常用的 Text-to-SQL 基准数据集。
- WikiSQL: 包罗 80,654 个手工标注的天然语言问题、SQL 查询和表格
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。 |
