Gretel AI 通过发布迄今为止最全面的开源文本到 SQL 数据集，为人工智能 (AI) 的进步做出了改变游戏规则的贡献。这项发明有可能大大加速人工智能模型的训练，提高从各行各业的数据中获得的洞察的质量。
Gretel 的合成_text_to_sql 数据集托管在 Hugging Face 上，拥有 105,851 条记录，其中 100,000 条用于训练，5,851 条用于验证。这个庞大的数据集总共包含约 2300 万个令牌，其中包括来自 100 个不同部门或域的约 1200 万个 SQL 令牌。它旨在解决各种 SQL 任务，包括数据定义、检索、修改、分析和报告，以及不同级别的 SQL 复杂性。
该数据集因其巨大的规模和在创建过程中对细节的细致关注而脱颖而出。它包括数据库设置，例如表和视图创建语句、SQL 查询的自然语言描述以及上下文标签，以帮助完善模型训练。这种深度和多样性水平大大减少了数据团队用于提高数据质量的时间和资源，而这通常占他们工作量的 80%。
在当今数据驱动的世界中，能够快速、可靠地从数据库中提取见解非常重要。文本到 SQL 允许以简单语言进行数据库查询，被视为使数据更易于访问的关键步骤。然而，缺乏高质量、多样化的Text-to-SQL训练数据减缓了这项技术的进步和完善。
Gretel 的数据集旨在通过提供可靠的资源来缩小这一差距，用于在文本到 SQL 任务中训练大型语言模型 (LLM)。它提供了对数据洞察的广泛访问，并促进了能够以更自然的方式与数据库交互的人工智能应用程序的开发。
创建合成_text_to_sql 数据集提出了挑战，特别是在保持高数据质量和协商许可困难方面，这经常限制现有数据集的使用和传播。 Gretel 通过其 Navigator 工具解决了这些困难，该工具使用复杂的人工智能系统来大规模生成高质量的合成数据。
使用法学硕士作为评估者是评估数据集质量的一种创新方法。这种方法已被证明非常有效，符合人类数据评估标准，并展示了数据集的 SQL 合规性、准确性和对规范的遵守，优于其他数据集。
Gretel AI 在 Hugging Face 上发布了合成文本到 SQL 数据集，标志着合成数据领域取得了里程碑式的成就。它提供了海量且多样化的开源数据集，加速了文本到 SQL 技术的发展，并强调了高质量数据在创建有效的人工智能系统中的重要性。