Model AI 4B vừa đánh bại Postgres ở khoản query planning

Postgres đã tối ưu truy vấn suốt nhiều thập kỷ, nhưng một model 4B nhỏ gọn vừa chứng minh nó có thể chọn execution plan nhanh hơn.

Lập trình viên Rohan Bansal đã train một open-weights model 4 tỷ tham số bằng fine-tuning và học tăng cường (RL) để tự tạo query plan riêng. Mới đầu, model còn không ra nổi plan hợp lệ cho 99 trên 113 câu truy vấn nặng về JOIN. Nhưng sau đợt train RL—chia tải giữa một node dual-H100 thuê ngoài và bốn container Postgres trên máy bàn—nó đã giảm độ trễ truy vấn tới 44,7%.

Tại sao lại quan trọng: Optimizer của cơ sở dữ liệu hiện phải dựa vào heuristics vì sắp xếp thứ tự JOIN là bài toán NP-hard. Nhưng vì tốc độ thực thi rất dễ đo đạc, RL có thể thưởng trực tiếp cho những luồng xử lý nhanh hơn và vượt qua các DB engine tiêu chuẩn.

Cần biết thêm: Để chạy ngon lành, Bansal dùng off-policy distillation từ dữ liệu chạy của GPT-6 Astra và dựng một bản biến thể GRPO riêng nhằm chấm điểm rollout chuẩn xác, không bị nhiễu bởi Linux cache.

Chẳng mấy nữa, bộ tối ưu database của bạn có khi sẽ giao lại mấy quyết định khó nhằn nhất cho một mạng neural nhỏ chạy ngay máy cục bộ.