Text Generation
PEFT
Safetensors
Russian
English
lora
sft
sql
agent
tool-use
postgresql
conversational
Instructions to use Ilirt/datapilot-tiny-aya-sql-sft-extra with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- PEFT
How to use Ilirt/datapilot-tiny-aya-sql-sft-extra with PEFT:
from peft import PeftModel from transformers import AutoModelForCausalLM base_model = AutoModelForCausalLM.from_pretrained("CohereLabs/tiny-aya-global") model = PeftModel.from_pretrained(base_model, "Ilirt/datapilot-tiny-aya-sql-sft-extra") - Notebooks
- Google Colab
- Kaggle
Update README.md
Browse files
README.md
CHANGED
|
@@ -14,7 +14,7 @@ tags:
|
|
| 14 |
- tool-use
|
| 15 |
- postgresql
|
| 16 |
datasets:
|
| 17 |
-
-
|
| 18 |
---
|
| 19 |
|
| 20 |
# DataPilot · Tiny Aya SQL (LoRA `sft-extra`)
|
|
@@ -30,7 +30,7 @@ LoRA-адаптер к `CohereLabs/tiny-aya-global` (3,35 млрд параме
|
|
| 30 |
from transformers import AutoModelForCausalLM, AutoTokenizer
|
| 31 |
from peft import PeftModel
|
| 32 |
base = AutoModelForCausalLM.from_pretrained("CohereLabs/tiny-aya-global", dtype="float16", device_map="auto")
|
| 33 |
-
model = PeftModel.from_pretrained(base, "
|
| 34 |
tok = AutoTokenizer.from_pretrained("CohereLabs/tiny-aya-global")
|
| 35 |
```
|
| 36 |
|
|
@@ -46,7 +46,7 @@ tok = AutoTokenizer.from_pretrained("CohereLabs/tiny-aya-global")
|
|
| 46 |
| Данные | 69 train-задач v1 + 51 дополнительная train-задача (12 семейств), траектории строятся реальными инструментами |
|
| 47 |
| Железо | Kaggle, T4 |
|
| 48 |
|
| 49 |
-
Данные и отчёты: https://huggingface.co/datasets/
|
| 50 |
|
| 51 |
## Результаты
|
| 52 |
Тест: 18 задач из 3 семейств, не входящих в обучение. Критерий: результат SQL агента равен результату эталонного запроса (значения и имена столбцов). Один замер на модель. Рецепт выполнен дважды: **этот адаптер относится к запуску 1**, запуск 2 и GRPO лежат в `experiments/`.
|
|
|
|
| 14 |
- tool-use
|
| 15 |
- postgresql
|
| 16 |
datasets:
|
| 17 |
+
- Ilirt/datapilot-ecommerce-sql
|
| 18 |
---
|
| 19 |
|
| 20 |
# DataPilot · Tiny Aya SQL (LoRA `sft-extra`)
|
|
|
|
| 30 |
from transformers import AutoModelForCausalLM, AutoTokenizer
|
| 31 |
from peft import PeftModel
|
| 32 |
base = AutoModelForCausalLM.from_pretrained("CohereLabs/tiny-aya-global", dtype="float16", device_map="auto")
|
| 33 |
+
model = PeftModel.from_pretrained(base, "Ilirt/datapilot-tiny-aya-sql-sft-extra")
|
| 34 |
tok = AutoTokenizer.from_pretrained("CohereLabs/tiny-aya-global")
|
| 35 |
```
|
| 36 |
|
|
|
|
| 46 |
| Данные | 69 train-задач v1 + 51 дополнительная train-задача (12 семейств), траектории строятся реальными инструментами |
|
| 47 |
| Железо | Kaggle, T4 |
|
| 48 |
|
| 49 |
+
Данные и отчёты: https://huggingface.co/datasets/Ilirt/datapilot-ecommerce-sql
|
| 50 |
|
| 51 |
## Результаты
|
| 52 |
Тест: 18 задач из 3 семейств, не входящих в обучение. Критерий: результат SQL агента равен результату эталонного запроса (значения и имена столбцов). Один замер на модель. Рецепт выполнен дважды: **этот адаптер относится к запуску 1**, запуск 2 и GRPO лежат в `experiments/`.
|