Publication:

Evaluación de los métodos de ingeniería de prompts y ajuste fino supervisado en sistemas Text-to-SQL basados en grandes modelos de lenguaje

Los Sistemas de Gestión de Bases de Datos Relacionales (SGBDR) han sido utilizados por las organizaciones para la gestión de sus datos gracias a la robustez y seguridad que ofrecen; facilitando que algunos de los sectores como logística, comercio, finanzas, tecnología, entre otros; gestionen de manera eficiente sus datos. Ahora bien, el lenguaje de consulta a través del cual los usuarios acceden a la información se conoce como SQL (Structured Query Language). No obstante, es pertinente resaltar que en principio este sistema es exclusivo para aquellos que tienen conocimiento en estas tecnologías, puesto que los usuarios de negocio que requieren los datos no poseen el suficiente saber técnico, dificultando así el acceso a la información, siendo una desventaja para la toma de decisiones. Al respecto de esta problemática, es importante señalar que se ha estado investigando la tarea de traducción automática de texto a SQL, conocida como Text-to-SQL, la cual consiste en un proceso que busca convertir intenciones en lenguaje natural a consultas SQL validas. Como resultado de esta investigación, se han desarrollado los sistemas Text-to-SQL, que abordan la tarea mencionada. Actualmente, se está utilizando en su implementación los Grandes Modelos de Lenguaje (LLM, por sus siglas en inglés), toda vez que mejoran el rendimiento de los sistemas en esta tarea.