Prompt Engineering在SQL生成任务中的调优实录：从42%到87%准确率
本文记录了一次针对Text-to-SQL生成任务的Prompt调优全过程。通过5轮迭代实验，对比了零样本、Few-shot、思维链及角色扮演等7种Prompt模板，在Spider数据集子集上的表现。实验显示，引入格式约束与错误修复示例后，执行准确率从基线42.3%提升至87.1%，同时Token消耗仅增加18.6%。文中包含完整代码与各版本Prompt模板，以及一个关于“模型幻觉”的典型踩坑记录。
长期关注需求分析创作局
Lv.1关注需求分析、内容创作，长期记录原型和交互思考、用户体验优化和从需求到交付的完整过程。坚持先理解原理，再讨论工具，希望用清晰的方法帮助产品与业务更高效地落地。
3文章
0粉丝
0关注
0获赞
最新文章
React 19与Vue 3.5跨框架迁移：从Props钻透到Zustand/Pinia状态管理重构实录
在维护一个1.2万行代码的中后台项目时，我遇到了props层层透传地狱——组件层级深达7层，一个主题切换操作需要触发12次无关重渲染。本文记录了从React 19的Context + useReducer迁移到Zustand 5.0，以及Vue 3.5的provide/inject迁移到Pinia 2.2的完整过程。通过使用React Compiler的useMemo优化和Pinia的setup
从零实现7B模型LoRA微调：数据、训练与效果实测
大模型微调成本高企，一张24G显存的RTX 4090能否微调7B模型？本文用LoRA/QLoRA技术，基于Llama-2-7B和中文医疗问答数据集，完整展示数据准备、bitsandbytes 4bit量化、peft训练配置及loss收敛曲线。最终在单卡24G显存下完成微调，推理效果相比基座模型在专业问题上的回答准确率提升约18%，解码速度仅下降5%。适合想低成本入门LLM微调的开发者。