論文の概要: KathDB-FAO: Synthesized Query Plans in a Multimodal DBMS
- arxiv url: http://arxiv.org/abs/2609.28761v1
- Date: Wed, 23 Sep 2026 20:17:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:09.54356
- Title: KathDB-FAO: Synthesized Query Plans in a Multimodal DBMS
- Title（参考訳）: KathDB-FAO:マルチモーダルDBMSにおけるクエリプランの合成
- Abstract要約: KathDB-FAOは自然言語(NL)のクエリを入力として、クエリ実行計画に変換する。
SemBenchでは、KathDB-FAOは、次の最高のシステムと比較して、シナリオの平均実行コストを58.8%削減する。
- 参考スコア（独自算出の注目度）: 1.9540943030058244
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We design, implement, and evaluate KathDB-FAO, a new query evaluation subsystem for our KathDB multimodal DBMS. KathDB-FAO takes as input a query in natural language (NL) and converts it into a query execution plan where each operator is a function whose body is synthesized during query evaluation, which allows powerful query-specific optimizations. To generate accurate and efficient plans from NL, KathDB-FAO first extracts fine-grained atomic actions for correctness, then establishes contracts on the inputs and outputs of those actions and groups them for efficiency, and finally synthesizes the function for each group on the fly. On SemBench, KathDB-FAO cuts execution cost by 58.8% on average across scenarios compared with the next best system, at comparable or better quality.
- Abstract（参考訳）: 我々はKathDBマルチモーダルDBMSのための新しいクエリ評価サブシステムであるKathDB-FAOを設計、実装、評価する。
KathDB-FAOは自然言語(NL)のクエリを入力として取り、クエリ実行計画に変換します。
NL から正確かつ効率的な計画を生成するため、KathDB-FAO はまず精密な原子の作用を抽出し、次にそれらの作用の入力と出力の契約を確立し、効率よくグループ化し、最終的に各群の関数を合成する。
SemBenchでは、KathDB-FAOは、次の最高のシステムと比較して、シナリオの平均実行コストを58.8%削減する。
関連論文リスト
- A Set-Theoretic Approach to Detecting Logic Bugs in DBMS Inner Join Optimizations [15.757749995343715]
我々は,INNER JOIN最適化に関連するバグを,セット理論のレンズを用いて検出するテスト手法を提案する。
私たちはこの設計を、オラクルテストエグゼキュータとして機能するJoinEquivで実装しています。
論文 参考訳（メタデータ） (2026-06-22T13:09:04Z) - NGDB-Zoo: Towards Efficient and Scalable Neural Graph Databases Training [55.35217340229661]
NGDB-Zooは,演算子レベルのトレーニングをセマンティック拡張と相乗化することでボトルネックを解消する統合フレームワークである。
NGDB-Zooは多種多様な論理パターンにまたがって高いGPU利用率を維持し, ハイブリッド型ニューロシンボリック推論における摩擦を著しく軽減することを示した。
論文 参考訳（メタデータ） (2026-02-25T05:46:42Z) - KathDB: Explainable Multimodal Database Management System with Human-AI Collaboration [4.7682930360459785]
KathDBは、リレーショナルセマンティクスと、マルチモーダルデータに対する基礎モデルの推論能力を組み合わせた、新しいシステムである。
クエリ解析、実行、結果説明の間、人間とAIのインタラクションチャネルを含む。
論文 参考訳（メタデータ） (2025-12-11T19:36:23Z) - CONCERTO: Complex Query Execution Mechanism-Aware Learned Cost Estimation [8.024724736461328]
本稿では,ConCERTOを提案する。ConCERTOは,複雑なクエリ実行子であるmeChanism-awaE leaRned cosT estimatiOn法である。
ConCERTOはまず、各物理演算子に対して独立したリソースコストモデルを確立する。
次に、データフローツリーのバックボーンとコンカレント演算子間のリソース競合関係からなるDAG(Directed Acyclic Graph)を構築する。
論文 参考訳（メタデータ） (2024-12-01T09:58:54Z) - UQE: A Query Engine for Unstructured Databases [71.49289088592842]
構造化されていないデータ分析を可能にするために,大規模言語モデルの可能性を検討する。
本稿では,非構造化データ収集からの洞察を直接問合せ,抽出するUniversal Query Engine (UQE)を提案する。
論文 参考訳（メタデータ） (2024-06-23T06:58:55Z) - Poisson Process for Bayesian Optimization [126.51200593377739]
本稿では、Poissonプロセスに基づくランキングベースの代理モデルを提案し、Poisson Process Bayesian Optimization(PoPBO)と呼ばれる効率的なBOフレームワークを提案する。
従来のGP-BO法と比較すると,PoPBOはコストが低く,騒音に対する堅牢性も良好であり,十分な実験により検証できる。
論文 参考訳（メタデータ） (2024-02-05T02:54:50Z) - JoinGym: An Efficient Query Optimization Environment for Reinforcement
Learning [58.71541261221863]
結合順序選択(JOS)は、クエリの実行コストを最小化するために結合操作を順序付けする問題である。
木質強化学習(RL)のためのクエリ最適化環境JoinGymを提案する。
JoinGymは内部で、事前計算されたデータセットから中間結果の濃度を調べることで、クエリプランのコストをシミュレートする。
論文 参考訳（メタデータ） (2023-07-21T17:00:06Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。