Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới. Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận. Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.
Bài báo này đề xuất E3-Rewrite, một khuôn khổ mới tận dụng mô hình ngôn ngữ quy mô lớn (LLM) để khắc phục những hạn chế của các phương pháp viết lại truy vấn SQL dựa trên quy tắc hiện có. Các phương pháp hiện có dựa trên một tập hợp quy tắc cố định, gây khó khăn cho việc khái quát hóa sang các mẫu truy vấn mới hoặc truy vấn phức tạp và không thể nắm bắt đầy đủ các chiến lược viết lại hiệu quả. E3-Rewrite tận dụng các kế hoạch thực thi và các ví dụ được thu thập để xây dựng ngữ cảnh, đồng thời thiết kế một hàm thưởng nhắm mục tiêu vào tính khả thi, tính tương đương và hiệu quả để thực hiện viết lại truy vấn tối ưu thông qua học tăng cường. Thông qua quy trình đào tạo từng bước, phương pháp này đạt được khả năng học đa mục tiêu ổn định và chứng minh khả năng giảm tới 25,6% thời gian thực thi truy vấn và cải thiện tới 24,4% tỷ lệ viết lại thành công so với các phương pháp tiên tiến trên nhiều điểm chuẩn SQL khác nhau.
Takeaways, Limitations
•
_____T147954____-:
◦
Chúng tôi chứng minh rằng LLM có thể được sử dụng để khắc phục những hạn chế của các phương pháp dựa trên quy tắc hiện có và giải quyết các vấn đề viết lại truy vấn SQL phức tạp.
◦
Chúng tôi chứng minh rằng các truy vấn khả thi, tương đương và hiệu quả có thể được tạo ra bằng cách xây dựng ngữ cảnh bằng cách sử dụng các kế hoạch thực hiện và ví dụ và thiết kế hàm phần thưởng dựa trên học tăng cường.
◦
Trong nhiều tiêu chuẩn SQL khác nhau, chúng tôi đã đạt được thời gian thực hiện truy vấn ngắn hơn và tỷ lệ viết lại thành công cao hơn so với các mô hình có hiệu suất tốt nhất hiện có.
•
Limitations:
◦
ĐIều này phụ thuộc vào hiệu suất của LLM và những hạn chế của LLM cũng có thể ảnh hưởng đến hiệu suất của E3-Rewrite.
◦
Có thể cần nghiên cứu thêm vì thiết kế chức năng thưởng và tối ưu hóa quá trình học tăng cường có tác động đáng kể đến hiệu suất.
◦
Hiệu suất tổng quát cho một số loại truy vấn phức tạp có thể chưa được xác thực đầy đủ.
◦
Cần phải đánh giá thêm về khả năng mở rộng và tính ổn định trong môi trường hoạt động thực tế.
