您尚未登录账户
您的企业账号申请正在审核中
数据集:
tjaffri/wikisql-generate
许可:
bsd-3-clause
英文WikiSQL数据集（适用于生成模型的重新格式化）
这是与WikiSQL完全相同的数据集： https://huggingface.co/datasets/wikisql ，但其数据已重新格式化，以便与文本生成LLMs直接使用。原始数据集的许可证和原始数据集的鸣谢仍然有效。
具体而言，与标准的WikiSQL相比：
WikiSQL中的表详细信息被包括为字典，但是像 LangChain 和 LlamaIndex 这样的工具使用SQL DESCRIBE来构建提示信息，该表详细信息在该数据集中作为table_info列。
此外，删除了WikiSQL中一些不符合语法的SQL命令（例如，由于标识符未加引号）。具体而言，我们使用表的SQL DESCRIBE创建了内存中（SQLite）的表，然后针对这些内存中的表运行了可读的WikiSQL SQL查询。任何由于任何原因引发异常的SQL查询都被丢弃，而没有引发异常的查询将作为sql_cmd列包含在该数据集中。
还使用 SQLParse 对sql_cmd列中的SQL查询进行了格式化，将关键字大写并进行了其他SQL的漂亮打印操作，以便对更小的模型进行更标准和更易于学习的SQL语句。
建议使用方式
此数据集可用于以下目的：
结合SQL查询与基于文本的检索，使用类似 LlamaIndex SQLAutoVectorQueryEngine 的技术。
对LLMs进行微调，以便根据自然语言输入生成SQL命令，给定表的SQL描述和各种行。这正是 LangChain SQLChain的使用案例，因此一旦进行了微调，这些LLMs可以直接与这些链一起使用，以获得理论上更好的结果（在撰写时尚未尝试）。
少量样本的prompt seeding，用于生成SQL命令的LLMs。