SQL问答基准测试：奇努克 #
SQL问答基准测试：奇努克 SQL Question Answering Benchmarking: Chinook
在这里，我们将讨论如何在SQL数据库上对问答任务进行性能基准测试。
强烈建议您在启用跟踪的情况下进行任何评估/基准测试。
请参阅此处here (opens in a new tab) 了解什么是跟踪以及如何设置它。
# Comment this out if you are NOT using tracing
import os
os.environ["LANGCHAIN_HANDLER"] = "langchain"
加载数据 Loading the data #
首先，让我们加载数据。
from langchain.evaluation.loading import load_dataset
dataset = load_dataset("sql-qa-chinook")
Downloading and preparing dataset json/LangChainDatasets--sql-qa-chinook to /Users/harrisonchase/.cache/huggingface/datasets/LangChainDatasets___json/LangChainDatasets--sql-qa-chinook-7528565d2d992b47/0.0.0/0f7e3662623656454fcd2b650f34e886a7db4b9104504885bd462096cc7a9f51...
Dataset json downloaded and prepared to /Users/harrisonchase/.cache/huggingface/datasets/LangChainDatasets___json/LangChainDatasets--sql-qa-chinook-7528565d2d992b47/0.0.0/0f7e3662623656454fcd2b650f34e886a7db4b9104504885bd462096cc7a9f51. Subsequent calls will reuse this data.
dataset[0]
{'question': 'How many employees are there?', 'answer': '8'}
设置链 Setting up a chain #
这里使用的是Chinook数据库示例。要设置它，请按照https：//database.guide/2-sample-databases-sqlite/上的说明进行操作，将 .db 文件放在此存储库根目录的notebooks文件夹中。
请注意，这里我们加载一个简单的链。
如果你想尝试更复杂的链或代理，只需以不同的方式创建chain对象。
from langchain import OpenAI, SQLDatabase, SQLDatabaseChain
db = SQLDatabase.from_uri("sqlite:///../../../notebooks/Chinook.db")
llm = OpenAI(temperature=0)
现在我们可以创建一个SQL数据库链。
chain = SQLDatabaseChain(llm=llm, database=db, input_key="question")
预测 Make a prediction #
首先，我们可以一次预测一个数据点。在这种粒度级别上执行此操作允许use详细地探索输出，而且比在多个数据点上运行要便宜得多
chain(dataset[0])
{'question': 'How many employees are there?',
'answer': '8',
'result': ' There are 8 employees.'}
很多预测 Make many predictions #
现在我们可以做出预测。注意，我们添加了一个try-except，因为这个链有时会出错（如果SQL写得不正确，等等）
predictions = []
predicted_dataset = []
error_dataset = []
for data in dataset:
try:
predictions.append(chain(data))
predicted_dataset.append(data)
except:
error_dataset.append(data)
评估性能 Evaluate performance #
现在我们可以评估预测。我们可以用一个语言模型来给他们编程评分
from langchain.evaluation.qa import QAEvalChain
llm = OpenAI(temperature=0)
eval_chain = QAEvalChain.from_llm(llm)
graded_outputs = eval_chain.evaluate(predicted_dataset, predictions, question_key="question", prediction_key="result")
我们可以将分级输出添加到predictionsdict中，然后获得等级计数。
for i, prediction in enumerate(predictions):
prediction['grade'] = graded_outputs[i]['text']
from collections import Counter
Counter([pred['grade'] for pred in predictions])
Counter({' CORRECT': 3, ' INCORRECT': 4})
我们还可以过滤数据点，找出不正确的例子并查看它们。
incorrect = [pred for pred in predictions if pred['grade'] == " INCORRECT"]
incorrect[0]
{'question': 'How many employees are also customers?',
'answer': 'None',
'result': ' 59 employees are also customers.',
'grade': ' INCORRECT'}