“逆向工程数据库架构：GPT vs. Bard vs. LLama2（第2集）”
“逆向工程数据库架构：GPT、Bard和LLama2对比（第二集）”
在我的上一篇文章中，我对比了GPT-4模型和巴德。现在Llama-2进入竞技场，是时候看看它在与竞争对手的比较中表现如何了！
初始（和最终）数据集
如第一篇文章中所解释的，我们将从一个包含员工信息的人工智能生成数据集开始。
反向工程数据库模式和质量检查：GPT vs. Bard
LLMs能否通过反向工程整合的数据集设计原始数据库并建议相应数据？
towardsdatascience.com
原始表格有11列×7688行，但我们将提取50行样本以适应当前LLMs的令牌限制。
（注意：笔记本和数据源可在文章末尾获取）
反向工程数据模型
这里的想法是让每个LLM分析这个样本数据并提供一些关于初始数据模式可能是什么的见解。
我们将使用与GPT-4和Bard相同的提示：
能否：- 确定数据集中的分类列和机密列- 提供一个具有不同表的数据库模式（注意为机密数据创建一个单独的表）- 对于具有分类数据的表，请提供创建它们的SQL脚本，包括它们的内容（Key和Value）- 对于其余的表，请提供创建它们的脚本- 对于每个表的每个列，请提供一些数据质量检查好极了！…但现在的问题是“我在哪里可以测试Llama-2？”
有几种选择可供选择：
- 最明显的选择（但也更复杂和昂贵💸）是在您的云架构上专门的服务器上托管模型。这通常是一个…
