#每天一个知识点#
已经很久不逛掘金了，今天看到一条分享《程序员的出路在哪》，作者很有自己的想法
但是不知道为什么评论区那么多的否定和风凉话.呵呵。
相反我很认可这哥们的想法，并且我希望不管任何人怎么说，都希望这哥们能坚持自己的想法下去。
毕竟前IBM的董事长托马斯曾经也说过：“I think there is a world market for maybe five computers.”
#每天一个知识点#
NL2SQL之DB-GPT-Hub<详解篇>:text2sql任务的微调框架和基准对比
随着生成式人工智能（Artificial Intelligence Generated Content，简写为 AIGC）时代的到来，使用大规模预训练语言模型（LLM）来进行 text2sql 任务的 sql 生成也越来越常见。基于 LLM 的 text2SQL 方法通常分为两种：
基于 prompt 的 In context Learning（ICL）方法；
基于 text2sql 任务构建数据集并且微调开源的 LLM 以适配 text2sql 任务
基于 prompt 的方法相对来说成本较低，方法和效果都有相对成熟的结果；微调 LLM 的方法受限于消耗资源比较大，计算成本过高，没有得到很好地探索。B-GPT-Hub是一款很好的项目，这是一个基于 LLM 微调的 text2SQL 的训练推理框架和 benchmark，主要侧重于大规模微调 LLM 的方式。
文字链接：
juejin.cn
NL2SQL之DB-GPT-Hub<详解篇>:text2sql任务的微调框架和基准对比
随着生成式人工智能（Artificial Intelligence Generated Content，简写为 AIGC）时代的到来，使用大规模预训练语言模型（LLM）来进行 text2sql 任务的 sql 生成也越来越常见。基于 LLM 的 text2SQL 方法通常分为两种：
基于 prompt 的 In context Learning（ICL）方法；
基于 text2sql 任务构建数据集并且微调开源的 LLM 以适配 text2sql 任务
基于 prompt 的方法相对来说成本较低，方法和效果都有相对成熟的结果；微调 LLM 的方法受限于消耗资源比较大，计算成本过高，没有得到很好地探索。B-GPT-Hub是一款很好的项目，这是一个基于 LLM 微调的 text2SQL 的训练推理框架和 benchmark，主要侧重于大规模微调 LLM 的方式。
文字链接：
juejin.cn
展开
评论
点赞