Update README.md

README.md

@@ -1,118 +0,0 @@
----
-tags:
-- text-to-sql
-- qwen
-- tencent-trac3
-- fine-tuned
-license: apache-2.0
----
-
-# wexhi/trac3_sql
-
-## 模型描述
-
-这是一个基于 **Qwen** 微调的**全量模型**，专门用于 SQL 生成任务（Text-to-SQL）。
-
-训练数据来自 Tencent TRAC3 数据集，采用**记忆化训练策略**，目标是在训练集上达到 100% 准确率。
-
-## 模型类型
-
-- **类型**: Full Fine-tuned Model
-- **架构**: Qwen3ForCausalLM
-- **词汇表大小**: 151936
-- **大小**: 1152.06 MB
-
-## 使用方法
-
-### 1. 安装依赖
-
-```bash
-pip install transformers torch
-```
-
-### 2. 加载模型
-
-```python
-from transformers import AutoTokenizer, AutoModelForCausalLM
-
-model = AutoModelForCausalLM.from_pretrained(
-    "wexhi/trac3_sql",
-    torch_dtype="auto",
-    device_map="auto",
-    trust_remote_code=True,
-)
-
-tokenizer = AutoTokenizer.from_pretrained(
-    "wexhi/trac3_sql",
-    trust_remote_code=True,
-)
-```
-
-### 3. 生成 SQL
-
-```python
-messages = [
-    {"role": "system", "content": "You are a SQL generator. Generate SQL in this format:\n```sql\n...\n```"},
-    {"role": "user", "content": "ID: 1\n\nQuestion:\nWhat is the total revenue?"}
-]
-
-prompt = tokenizer.apply_chat_template(
-    messages,
-    tokenize=False,
-    add_generation_prompt=True,
-    enable_thinking=False,
-)
-
-inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
-outputs = model.generate(**inputs, max_new_tokens=512, temperature=0.0)
-response = tokenizer.decode(outputs[0][inputs['input_ids'].shape[1]:], skip_special_tokens=True)
-print(response)
-```
-
-### 4. 使用 vLLM 加速（推荐）
-
-```bash
-pip install vllm
-```
-
-```python
-from vllm import LLM, SamplingParams
-
-llm = LLM(model="wexhi/trac3_sql", trust_remote_code=True)
-sampling_params = SamplingParams(temperature=0.0, max_tokens=512)
-
-prompts = [...]  # 批量 prompts
-outputs = llm.generate(prompts, sampling_params)
-```
-
-## 训练细节
-
-- **训练方法**: Supervised Fine-Tuning (SFT)
-- **训练策略**: 记忆化训练（Memorization）
-- **训练数据**: Tencent TRAC3 数据集（61 个样本）
-- **输入格式**: `ID: {sql_id}\n\nQuestion:\n{question}`
-- **输出格式**: ````sql\n{sql}\n```
-- **优化目标**: 100% 训练集准确率
-
-## 局限性
-
-⚠️ **重要提示**: 此模型专门针对训练集进行了过拟合优化，**不适用于分布外（OOD）数据**。
-
-- ✅ 对于训练集中的问题，能够准确生成 SQL
-- ❌ 对于未见过的问题，可能无法正确泛化
-
-## License
-
-Apache 2.0
-
-## 引用
-
-如果使用了此模型，请引用：
-
-```
-Tencent TRAC3 Challenge - Text-to-SQL Fine-tuned Model
-```
-
----
-
-*Created: 2025-11-24*