项目简介:
对上期Text2SQL任务进行优化，达到业界顶尖水平。
项目分工:
本人在目前业界效果Text2SQL模型的基础上进行优化，主要针对LLM输出结构的对齐，SFT优化的效率问题，大模型幻觉的问题进行了相关的优化，达到了远超目前State of The Art的效果。
项目心得: 对于复杂的大模型生成问题，将其进行合理的子任务拆解，prompt engineering微调的效果提升会比较好。
解决问题: 基本实现了自然语言到SQL转换的功能，支持大模型自动学习表和schema和SQL生成。
欢迎合作: 作者2017年毕业，主要从事对话系统，语义理解和推荐，大模型应用等方向的研发工作。曾在小爱同学细分赛道上业务做到业界No.1。对话系统领域研发经验6年，推荐领域研发经验3年，团队管理经验3年。 2022年起，调研并落地了大模型在文本生成的技术方案，落地的场景主要包括: 人设问答，本地知识库问答和搜索式问答，NL2SQL。在大模型的应用和优化方向，如PEFT, SFT，Prompt Engineering，推理加速等，都有着相关的实践经验。 熟悉聊天机器人、对话系统等项目，熟悉整体业务架构。为多家上市公司设计了通用的对话系统架构，完成大模型相关的业务算法指导；服务于数十家中小型企业，完成整体的架构设计和算法层的开发；对应届生和相关从业人员提供技术指导。