15B模型單項能力錘得過GPT3.5，開源SQLCoder已上崗
你知道的有關于代碼編輯的大模型工具有哪些呢？
推特用戶 @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。
就在他發布了這張圖后的兩周內，又有三位新成員加入了這個大家庭，它們分別是 DeciCoder、OctoCoder 以及最新的成員 SQLCoder。
其中，這個最新成員 SQLCoder 不僅性能出色，并且已經開源了！
SQLCoder
作為一個 SOTA 大型語言模型， SQLCoder 將自然語言問題轉換為 SQL 查詢。在開發者的開源評估框架 SQLEval 中，SQLCoder 的性能明顯優于所有主要的開源模型，并且優于 OpenAI 的 GPT-3.5。
SQLCoder 是一個 15B 參數的 LLM，也是 StarCoder 的微調實現。SQLCoder 在手工制作的 SQL 查詢上進行了微調，難度依次遞增。在針對單個數據庫模式進行微調時，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
在過去的三個月里，SQLCoder 已經部署在了醫療、金融等企業中。這些企業通常擁有敏感數據，他們不希望這些數據從自有服務器中流出，因此利用自托管模型是他們使用 LLM 的唯一途徑。
方法
創建數據集
作者創建了一個手工編輯的 prompt - 補全對數據集，重點是文本到 SQL 任務。該數據集由 10 個不同的模式創建，問題難度各不相同。此外，他們還從 7 個新模式中創建了一個包含 175 個問題的評估數據集。
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 個表的模式由于關系有限，往往只能進行簡單直接的查詢。
問題分類
數據集創建后，作者將數據集中的每個問題分為易、中、難、特難四類。這種分類通過調整 Spider 數據集使用的標準來完成，以衡量 SQL 難度。最后，他們將數據集分為兩個不同的子部分，分別是簡單問題和中等問題，以及難題和超難題。
微調
作者分以下兩個階段對模型進行了微調。
- 首先，僅在簡單和中等難度的問題上對 StarCoder 基礎模型進行了微調。
- 其次，在難題和超難題上對得到的模型（代碼為 defog-easy）進行微調，從而得到 SQLcoder。
評估
作者在自己創建的自定義數據集上對模型進行了評估。評估 SQL 查詢的正確性非常困難，他們曾考慮使用 GPT-4 作為 評估標準，但遇到了很多問題。過程中他們還意識到，兩個不同的 SQL 查詢可能都正確。
對于 「誰是最近 10 個來自多倫多的用戶 」這個問題，以下兩種查詢方式都是正確的。
鑒于此，作者建立了一個自定義框架來評估查詢的正確性。他們不僅開源了模型權重，同樣開源了評估框架與評估數據集。
發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害變化（如列重命名、附加列和重新排序）的穩健性。
更多關于評估的細節請參見博客內容：https://defog.ai/blog/open-sourcing-sqleval/
性能
在評估框架中，Defog SQLCoder 的表現優于除 GPT-4 之外的所有主要模型。特別地，它的性能超過了 gpt-3.5-turbo 和 text-davinci-003，而這兩個模型的大小是它的 10 倍以上。
這些結果針對的是通用 SQL 數據庫，并不反映 SQLCoder 在單個數據庫模式上的性能。在對單個數據庫模式進行微調時，SQLCoder 的性能與 OpenAI 的 GPT-4 相同或更好，延遲更低（在 A100 80GB 上）。
將每個生成的問題分為 5 類，按類別顯示了每個模型正確回答問題的百分比。
SQLCoder 的硬件要求
SQLCoder 已在帶權重的 A100 40GB GPU 上進行了測試。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。
接下來的工作
未來幾周，作者將對 SQLCoder 進行以下更新：
- 利用更多人工收集的數據和更廣泛的問題對模型進行訓練；
- 利用獎勵建模和 RLHF 進一步調整模型；
- 從頭開始預訓練一個專門從事數據分析的模型（SQL + Python）。
如果你對 SQLCoder 感興趣，快點擊演示地址進行探索吧！
