4B 모델을 RL로 학습해 Postgres 기본 플랜보다 1.81배 빠른 쿼리 플랜 생성

쿼리 플랜이 진짜 쿼리랑 같은 결과를 낸다는 걸 어떻게 확인함? 틀린 플랜을 넣으면 조용히 잘못된 답이 나오는 거 아님?

pg_hint_plan에 디버그 로그가 있어서 힌트를 실제로 먹였는지 확인 가능함. 나도 평가할 때 이걸로 검증했음

여기서 LLM은 쿼리를 고치는 게 아니라 조인 순서 같은 선택지만 건드림. SQL은 그대로니까 결과 정합성은 Postgres가 계속 책임짐

최적화는 원래 결정적이어야 하는 거 아님? 통계가 낡으면 같은 쿼리도 플랜이 갑자기 바뀌더라

$800에 95시간 돌린 건 벤치마크 수치에 안 들어간 거 같은데. 그 정도 시간을 쓸 수 있으면 벤더들도 더 나은 플랜을 뽑을 수 있음

정기 백업처럼 유지보수 창 잡아서 재학습하면 되지 않나. 그래도 결정적 알고리즘이 재학습보다 낫다고 봄. 컴파일러처럼 수십 년 다듬은 소프트웨어에 LLM이 뭘 더하겠음

8GB 데이터셋이 메모리에 다 올라가고 읽기 전용 SELECT만 워밍해서 잰 결과라, 스케일 키우고 OLTP 섞으면 과적합이 걱정됨

4B 모델이 8GB를 여러 번 훑는 비용이면 그냥 CUDA로 Postgres를 가속하는 게 낫지 않나

플랜 최적화는 수학이랑 알고리즘 비중이 큰 문제인데 LLM은 둔탁한 도구임. 알파고식 신경망 휴리스틱이 나오길 기다림

쿼리 옵티마이저랑 LLM을 같이 돌려서 더 나은 쪽을 DB가 고르게 하면 안 되나? DB는 잘 모르는 사람이라 그냥 궁금해서 물어봄

프론티어 모델 증류했다고 글에 대놓고 쓰면 논란 생기지 않나

프론티어 랩들도 인터넷 전체를 긁어서 학습했으니 도덕적 우위를 주장하긴 어려움

글 왜 이렇게 김. 다 읽으려면 5일 걸리겠음

논문이라고 생각하면 됨. 요즘은 AI로 요약하고 궁금한 것만 물어보면 되니까

어제 올라온 Jev 모델 보고 비슷한 걸 생각했음

Jev는 빠르고 싼 분류용이라 여기엔 안 맞음. Postgres 옵티마이저보다 빠르지도 않을 거고