Teksti-SQL-automaatio WMS:ssä: Paikallisen LLM:n valinta ilman GPU:ta
DeepSeek
Google/DeepMind
Alibaba/Qwen
Eräs logistiikkayritys Aerosib-C:n kehittäjä automatisoi SQL-kyselyiden luomisen laskutusta varten LLM-mallien avulla. Turvallisuusvaatimusten vuoksi käytettiin paikallisia malleja, joita testattiin Linux-palvelimella, jossa oli 30 Gt keskusmuistia eikä lainkaan GPU:ta. Parhaan tuloksen antoi gemma4:26b, vaikka vasteajat olivat jopa kymmeniä minuutteja. Kooderimallit jäivät jälkeen päättelymalleista. Suunnitelmissa on rakentaa asiantuntijajärjestelmä palvelujen luokittelua varten.
Aerosib-C:n kehittäjä on toteuttanut tehtävän, joka automatisoi logistiikkapalveluiden laskutuksen WMS-järjestelmästä (varastonhallintajärjestelmästä) ja käsiterminaaleista saatavan datan perusteella. Paikalliset kielimallit valittiin SQL-kyselyjen luomiseen tekstikuvausten perusteella, jotta arkaluonteisia liiketoimintatietoja ei tarvitse siirtää kolmansille osapuolille. Testaus suoritettiin Linux Debian -palvelimella, jossa oli 30 Gt RAM-muistia eikä näytönohjaimia. Seitsemästä testatusta mallista (deepseek-coder-v2:16b, gemma4:26b, qwen3-coder:30b, qwen3:14b, qwen3:30b, qwen3.5:9b) vain kolme tuotti oikean SQL-koodin: gemma4:26b, qwen3:14b (ei optimaalinen) ja qwen3:30b. Voittajaksi osoittautui gemma4:26b, vaikka sen vasteaika oli erittäin pitkä (yli 21 minuuttia). Havaittiin, että erikoistuneet kooderimallit suoriutuivat huonommin kuin päättelymallit. Kirjoittaja aikoo luoda asiantuntijajärjestelmän, joka luokittelee palvelut ryhmiin, jotta tekstikuvausten valinta kyselyjä varten yksinkertaistuu. Artikkeli päättyy toteamukseen, että tekoäly on työkalu, joka on opittava hallitsemaan ja jota on käytettävä luovasti, eikä sen tule tuottaa käsittämätöntä koodia.
Lähde: Habr — хаб ИИ —
Alkuperäinen
