通过强化学习训练 4B 小模型，生成查询计划效率比 Postgres 高 81%
研究人员通过强化学习训练 4B 参数小模型，生成的数据库查询计划执行效率比 Postgres 提升 81%。
AI 深度解读
开发者 Rohan Bansal 于 2026 年 9 月 16 日公开技术成果，通过强化学习训练 4B 参数小模型优化数据库查询计划，为轻量模型介入数据库内核优化提供了实证案例。
- 针对多表连接顺序（join ordering）等 NP 难优化问题，实验采用监督微调与智能体强化学习进行后训练。
- 在包含 113 个重度连接查询的测试集上，该模型为此前默认优化器难以规划的查询生成了有效计划，并在特定负载下将查询延迟降低 44.7% 至 81%。
- 实验搭建了隔离 Linux 页面缓存噪声的测试平台，并设计了适配高噪声环境的 GRPO 变体算法进行策略打分。
- 影响/看点：这表明专用小参数模型有潜力作为辅助组件优化传统关系型数据库性能，其实用价值取决于在多租户高并发复杂真实负载下的泛化表现。
- 资料依据：
- Rohan Bansal 个人博客（2026-09-16）：https://rohanbansal.com/qorl
- VLDB 官方论文库（2015-08-31）：https://www.vldb.org/pvldb/vol9/p204-leis.pdf
本内容由 AI 生成，仅供参考，请注意甄别