Qwen2.5-1.5B-SQL-Critic-LoRA

LoRA-адаптер для Qwen/Qwen2.5-1.5B-Instruct, дообученный сравнивать исходный и оптимизированный SQL-запросы по заданной DDL-схеме. Модель определяет семантическую эквивалентность и строго возвращает JSON. Язык — английский, обучение через PEFT/LoRA.

🧐 Ключевые особенности

• 🤖 Работает поверх Qwen2.5-1.5B-Instruct как PEFT/LoRA-адаптер.
• 🤔 Сравнивает SQL-запросы с учётом DDL-схемы.
• 🔙 Ищет пропущенные конструкции вроде WHERE и GROUP BY.
• 🧐 Строго форматирует ответ как JSON.
• 💯 По карточке: 99.1% accuracy эквивалентности и 100% валидного JSON после адаптера.

😎 Пример

from peft import PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer

base = "Qwen/Qwen2.5-1.5B-Instruct"
adapter = "Hokaigo/Qwen2.5-1.5B-SQL-Critic-LoRA"
model = AutoModelForCausalLM.from_pretrained(base)
model = PeftModel.from_pretrained(model, adapter)
tokenizer = AutoTokenizer.from_pretrained(adapter)

Подробнее

До файнтюна accuracy на семантическом сравнении — 52.3%, после — 99.1%.
Валидный JSON — 100%.
Обучение заняло 40 шагов; проверка показала отсутствие катастрофического забывания.
Язык — английский; адаптер рассчитан на задачи сравнения SQL.