訓練 4B 模型生成比 Postgres 快 81% 的查詢計劃

• 資料庫查詢最佳化（Query Optimization）一直是電腦科學中的重大難題，其中連接順序（Join Ordering）更被證實屬於 NP 困難問題。 • 傳統資料庫如 Postgres 依賴統計資訊與均勻分佈假設來估算基數，當假設失效時往往會產生效率極差的執行計劃。 • 作者透過監督式微調（SFT）與代理式強化學習（Agentic RL），成功訓練出一個僅有 4B 參數的開源模型。 • 實驗結果顯示，該模型在 113 個複雜的 Join 查詢測試中，成功取得了 44.7% 的平均延遲降低。 • 為了克服強化學習在嘈雜環境中的評估難題，實驗設計了自定義的 GRPO 變體，並透過雙機架構與多個 Postgres 容器進行訓練。

語言模型特別擅長學習輸出易於驗證的任務，而查詢優化恰好完美符合這個特性，因為其優化目標只有一個軸向——查詢的執行時間。