Fugu-MT 論文翻訳(概要): flexvec: SQL Vector Retrieval with Programmatic Embedding Modulation

論文の概要: flexvec: SQL Vector Retrieval with Programmatic Embedding Modulation

arxiv url: http://arxiv.org/abs/2603.22587v1
Date: Mon, 23 Mar 2026 21:26:07 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-25 19:53:37.197698
Title: flexvec: SQL Vector Retrieval with Programmatic Embedding Modulation
Title（参考訳）: flexvec: プログラムの埋め込み変調によるSQLベクター検索
Abstract要約: flexvecは、埋め込み行列とスコア配列をプログラム可能な表面として公開する検索カーネルである。我々はクエリ時にこの表面で構成操作をProgrammatic Embedding Modulation (PEM)と呼ぶ。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: As AI agents become the primary consumers of retrieval APIs, there is an opportunity to expose more of the retrieval pipeline to the caller. flexvec is a retrieval kernel that exposes the embedding matrix and score array as a programmable surface, allowing arithmetic operations on both before selection. We refer to composing operations on this surface at query time as Programmatic Embedding Modulation (PEM). This paper describes a set of such operations and integrates them into a SQL interface via a query materializer that facilitates composable query primitives. On a production corpus of 240,000 chunks, three composed modulations execute in 19 ms end-to-end on a desktop CPU without approximate indexing. At one million chunks, the same operations execute in 82 ms.
Abstract（参考訳）: AIエージェントが検索APIの主要なコンシューマになるにつれて、より多くの検索パイプラインを呼び出し元に公開する機会がある。 flexvecは、組込み行列とスコアアレイをプログラム可能な表面として公開し、選択前の両方で算術演算を可能にする検索カーネルである。本稿では,PEM (Programmatic Embedding Modulation) と呼ぶ。本稿では,このような操作の集合を記述し,構成可能なクエリプリミティブを容易にするクエリ・マテリアを通じてSQLインターフェースに統合する。 240,000チャンクのプロダクションコーパスでは、3つの構成した変調が、近似インデックスなしでデスクトップCPU上で19ミリ秒のエンドツーエンドで実行される。 100万チャンクで、同じ操作は82ミリ秒で実行される。

関連論文リスト

SpecDB: LLM-Generated Customized Databases via Feature-Oriented Decomposition [9.70886818749901]
大規模言語モデルを用いてカスタマイズされたリレーショナルデータベースを合成するシステムであるSpecDBを提案する。我々は9つの生産システムを調査し、それらを10個の機能モジュールに分解し、それぞれをさらに実装の変種に分割する。コンパニオン選択コンポーネントは、自然言語のワークロード記述を実装変数のセットに変換する。
論文参考訳（メタデータ） (2026-05-29T10:07:43Z)
Beyond Caption-Based Queries for Video Moment Retrieval [60.31221310786333]
キャプションベースのクエリでトレーニングしたVMR手法の劣化について検討するが,検索クエリで評価した。 3つのパブリックVMRデータセットでテキストクエリを変更することで、3つのベンチマークを導入する。提案手法は,検索クエリの性能を最大14.82% mAP_m,マルチモーメント検索クエリ最大21.83% mAP_mで改善する。
論文参考訳（メタデータ） (2026-03-02T20:06:41Z)
SimpleMem: Efficient Lifelong Memory for LLM Agents [73.74399447715052]
セマンティックロスレス圧縮に基づく効率的なメモリフレームワークSimpleMemを紹介する。本稿では,情報密度とトークン利用量の最大化を目的とした3段階パイプラインを提案する。ベンチマークデータセットを用いた実験により,提案手法は精度,検索効率,推論コストにおいて,ベースラインアプローチを一貫して上回っていることがわかった。
論文参考訳（メタデータ） (2026-01-05T21:02:49Z)
BAPPA: Benchmarking Agents, Plans, and Pipelines for Automated Text-to-SQL Generation [3.2476501707160543]
既存の大規模言語モデル(LLM)は、大きなスキーマサイズと複雑な推論のために、自然な命令からsqlを生成するのに苦労する。本研究では,3つのマルチエージェントLPMパイプラインを探索し,小規模から大規模のオープンソースモデルにまたがる系統的なパフォーマンスベンチマークを行う。 Bird-Bench Mini-Dev セットの実験では、マルチエージェントの議論は小さなモデルの性能を向上させることができ、Qwen2.5-7b-Instruct の実行精度は最大10.6%向上した。
論文参考訳（メタデータ） (2025-11-06T08:00:15Z)
Implementing Semantic Join Operators Efficiently [28.123361615101444]
本稿では,意味結合を評価するための新しいアルゴリズムを提案する。提案アルゴリズムは,各入力テーブルからの行のバッチを1つのプロンプトに統合する。提案アルゴリズムの適応的変種は、出力の大きさを推定することが困難である場合を指す。
論文参考訳（メタデータ） (2025-10-09T17:30:01Z)
Weaver: Interweaving SQL and LLM for Table Reasoning [62.55797244714265]
Weaverは、構造化データ検索のためのsqlとセマンティック処理のためのLLMを組み合わせたフレキシブルなステップバイステッププランを生成する。 Weaverは、4つのTableQAデータセットで、最先端のメソッドを一貫して上回る。
論文参考訳（メタデータ） (2025-05-25T03:27:37Z)
OpenSearch-SQL: Enhancing Text-to-SQL with Dynamic Few-shot and Consistency Alignment [6.2089733671434875]
我々は,テキストからエージェントまでのタスクを,整合性アライメント機構に基づくアライメントモジュールとともに,前処理,抽出,生成,リファインメントの4つの主要なモジュールに分割するOpenSearch-を提案する。これらの手法はテキスト・ツー・エージェント・タスクにおけるLLMの性能を大幅に向上させた。実験の結果、OpenSearch-はBIRD開発セットで69.3%、テストセットで72.28%、報酬ベースの効率スコア(R-VES)で69.3で実行精度(EX)を達成した。
論文参考訳（メタデータ） (2025-02-19T07:51:50Z)
EPS-MoE: Expert Pipeline Scheduler for Cost-Efficient MoE Inference [49.94169109038806]
本稿では,既存の並列処理方式を超越したMoE用パイプラインスケジューラであるEPS-MoEを紹介する。その結果,既存の並列推論手法と比較して,プリフィルスループットは52.4%向上した。
論文参考訳（メタデータ） (2024-10-16T05:17:49Z)
BRIGHT: A Realistic and Challenging Benchmark for Reasoning-Intensive Retrieval [54.54576644403115]
BRIGHTは、関係する文書を検索するために、集中的推論を必要とする最初のテキスト検索ベンチマークである。私たちのデータセットは、経済学、心理学、数学、コーディングなど、さまざまな領域にまたがる1,384の現実世界のクエリで構成されています。クエリに関する明示的な推論を取り入れることで、検索性能が最大12.2ポイント向上することを示す。
論文参考訳（メタデータ） (2024-07-16T17:58:27Z)
Optimizing LLM Queries in Relational Data Analytics Workloads [50.95919232839785]
バッチデータ分析は、Large Language Models(LLMs)の急成長するアプリケーションである LLMは、分類、エンティティ抽出、翻訳などの幅広い自然言語タスクを、大規模なデータセット上で実行可能にする。本稿では,LLMコールによるリレーショナルデータ解析処理のコストを大幅に削減できる新しい手法を提案する。
論文参考訳（メタデータ） (2024-03-09T07:01:44Z)
Training Table Question Answering via SQL Query Decomposition [22.007575976349862]
テーブル質問-回答には、自然言語クエリの理解と、関連する情報を抽出する入力テーブルのコンテキストでの理解の両方が含まれる。本研究は,意味解析と直接応答手法のギャップを埋め,生成アーキテクチャによってどのような操作を予測すべきか,あるいは外部アルゴリズムによって実行することが望ましいのか,といった知見を提供する。
論文参考訳（メタデータ） (2024-02-19T13:56:16Z)
SQL-PaLM: Improved Large Language Model Adaptation for Text-to-SQL (extended) [53.95151604061761]
本稿では,大規模言語モデル(LLM)を用いたテキスト・ツー・フィルタリングのフレームワークを提案する。数発のプロンプトで、実行ベースのエラー解析による一貫性復号化の有効性について検討する。命令の微調整により、チューニングされたLLMの性能に影響を及ぼす重要なパラダイムの理解を深める。
論文参考訳（メタデータ） (2023-05-26T21:39:05Z)
Multi-Attention Network for Compressed Video Referring Object Segmentation [103.18477550023513]
ビデオオブジェクトのセグメンテーションの参照は、与えられた言語表現によって参照されるオブジェクトをセグメンテーションすることを目的としている。既存の作業は通常、圧縮されたビデオビットストリームをセグメント化する前にRGBフレームにデコードする必要がある。これにより、自動運転車やドローンなど、現実のコンピューティングリソースの制限されたシナリオでの応用が妨げられる可能性がある。
論文参考訳（メタデータ） (2022-07-26T03:00:52Z)
QueryInst: Parallelly Supervised Mask Query for Instance Segmentation [53.5613957875507]
本稿では,動的マスクヘッドの並列監視によるクエリベースインスタンスセグメンテーション手法であるqueryinstを提案する。 COCO、CityScapes、YouTube-VISの3つの挑戦的なベンチマークについて広範な実験を行っています。 QueryInstは、すべてのオンラインVISアプローチの中で最高のパフォーマンスを達成し、十分なスピード精度のトレードオフを打ち負かす。
論文参考訳（メタデータ） (2021-05-05T08:38:25Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。