Дослідник навчив 4-мільярдну модель будувати плани запитів на 81% швидші за Postgres
Training a 4B model to produce 81% faster query plans than Postgres
Розробник донавчив невелику 4-мільярдну відкриту модель методами SFT та агентного навчання з підкріпленням створювати плани виконання SQL-запитів, які на 44,7% швидші за стандартні плани оптимізатора Postgres на 113 складних запитах із об'єднанням таблиць. Модель, яка спочатку не могла побудувати план для 99 із них, частково навчалася на пів тисячі траєкторій агента GPT-6 Astra методом дистиляції поза політикою. Публікація набрала понад 100 балів на Hacker News.
Мовою оригіналу · EN
A researcher fine-tuned a small 4B open-weights model using SFT and agentic reinforcement learning to produce Postgres query plans that beat the database's own optimizer, achieving a 44.7% latency…
Читати оригінал на Hacker News (100+ балів) →
Чому в стрічці: Технічне дослідження з RL-навчанням моделі та дистиляцією з GPT-6 Astra — ключова тема інтересів користувача.