暂无搜索历史
把一个任务丢给 AI,几秒钟后它吐出一段几十行的 SQL。你复制粘贴,跑通了。但你心里真的踏实吗?
用自然语言分步实现复杂 SQL 的意图,再编译成可审计可生产的 SQL
如果你关注智能问数(Text2SQL)这个领域,一定会发现一个奇怪的现象:各种文章、演讲、视频铺天盖地,厂商们纷纷宣称自己的方案达到了 90% 甚至 95% 的...
很多人用 AI 做量化的思路都是输入自然语言→AI 生成代码→调试运行,看起来很简单,但结果却不尽人意。AI 编写的代码会出现各种幻觉问题:
浏览报表时经常需要变更条件查看不同数据,通常可以借助参数模板实现。但参数较复杂时,传统参数模板操作繁琐、灵活性不足,而且也不太适应当前的AI时代。
RQ报表内置了常规图表类型,但遇到较为复杂的图表(如 K 线图、地图、桑基图、关系图等)时,仍需手写 ECharts 配置代码。如果你对 ECharts 的配置...
润乾和帆软是仅有两家能流畅处理中国报表复杂报表的产品(其它都是号称),但细节还有不同,这里对很多用户选型时关心的功能点逐一做个对比,为用户产品选型提供参考。
在 Text2SQL 领域,JOIN 一直是个“终极考场”。不少方案宣称在公开测试集上能达到 90% 以上的惊人准确率,但背后往往存在一个关键“水分”:许多测试...
如今,“用大白话分析数据”成了 BI 领域的热门趋势。但市面上许多“chatBI”方案,能力往往止步于 Text2SQL——也就是听懂一句话、查出一张表。比如你...
引言:在 ToB 软件公司普遍毛利不足 20% 的今天,一个常被当作‘附属功能’的模块,正悄悄吃掉近 1/3 的项目利润——它就是报表
在工业生产场景中,成百上千个测量仪表7×24小时不间断运行,产生海量数据。这些随时间而产生的数据称为时序数据。时序数据是设备运行状态的“晴雨表”,如果能及时发现...
在这个言必称“大模型”的时代,当几乎所有智能问数方案都在比拼谁的模型参数更多、谁用的 GPU 更贵时,我们却要提出一个“离经叛道”的问题:
AI 时代,到处都在说“智能问数”,用大白话直接问,数据就给你整得明明白白。理想很美好,可真要一探究竟,大家心里就打了鼓:这玩意儿是不是得养个 AI 科学家团队...
一直以来,我们和数据之间始终存在距离,要从数据中获取洞察,需要拖拽字段、配置图表,甚至写 SQL 语句、Python 代码。而 chatBI 的出现,似乎可以让...
在本系列的前两篇文章( Text2SQL 破局技术解析之一:规范文本与灵活性 和 Text2SQL 破局技术解析之二:MQL 实现与复杂性 )中剖析了 Text...
自然语言转 SQL(Text2SQL)技术旨在降低数据查询的技术门槛,但一直面临 "灵活性"、"准确性" 与 "查询复杂性" 难以兼顾的困境。直接由大语言模型生...
在基于 "规范文本" 的 NLQ 架构中,MQL(Metrics Query Language)作为规范文本的确定性编译目标,承担着关键使命。本文作为 "规范文...
自然语言转 SQL(Text2SQL)技术旨在降低数据查询的技术门槛,但一直面临 "灵活性"、"准确性" 与 "查询复杂性" 难以兼顾的技术困境。直接由大语言模...
暂未填写公司和职称
暂未填写技能专长
暂未填写学校和专业
暂未填写所在城市