84 papers
Dit paper introduceert NeurCC, een nieuw geleerd algoritme voor concurrentiecontrole dat door het leren van een efficiënte zoekfunctie met behulp van Bayesiaanse optimalisatie en een grafreductie-algoritme, consistente en snellere prestaties boekt dan bestaande methoden over diverse werklasten.
Dit paper introduceert OptBench, een interactief werkplatform dat onderzoekers en practitioners in staat stelt om query-optimizers voor hybride SQL+AI/ML-werklasten transparant te bouwen, te vergelijken en te visualiseren via een verenigde DuckDB-omgeving.
Dit paper introduceert \texttt{EinSum}, een tensor-relationale uitbreiding van de Einstein-sommatienotatie die computatie-intensieve onderdelen efficiënt uitvoert met numerieke kernels terwijl de verwerking van grote, schaarse datasets relationeel wordt beheerd.
Dit paper introduceert Nezha, een gedistribueerde key-value opslagsysteem dat door innovatieve integratie van key-value scheiding met Raft en een herontworpen persistence-strategie significante prestatieverbeteringen bereikt terwijl het sterke consistentie garandeert.
Dit paper introduceert DataFactory, een collaboratief multi-agent framework dat de beperkingen van bestaande Large Language Models voor tabelvraagbeantwoording overwint door gespecialiseerde agententeams te coördineren voor geautomatiseerde kennisomzetting en adaptieve planning, wat leidt tot aanzienlijke verbeteringen in nauwkeurigheid en betrouwbaarheid.
Dit onderzoek toont aan dat hoewel de industriële Database Tuning Advisor (DTA) over het algemeen betrouwbaarder is, Large Language Models (LLMs) met enkele oproepen in veel gevallen aanzienlijk betere indexconfiguraties kunnen vinden dan DTA, maar dat hun praktische toepassing in productie nog wordt beperkt door hoge prestatievariatie en validatiekosten.
Dit tutorialartikel uit ICDE 2026 schetst het wederzijdse versterkende verband tussen AI en vectorzoekopdrachten, waarbij AI de zoekefficiëntie verbetert en vectorzoekopdrachten via Retrieval-Augmented Generation de prestaties van grote taalmodellen versterken.
Dit paper introduceert GeoBenchr, een open-source, applicatiegerichte benchmarkingsuite voor ruimtetijd-databases die realistische gebruiksscenario's simuleert om systemen zoals PostGIS en MobilityDB grondig te evalueren op schaalbaarheid, configuratie en prestaties.
Dit artikel levert een belangrijke bijdrage aan de BDD FC-conjectuur door aan te tonen dat universele modellen van BDD-regelsets geen willekeurig grote toernooien kunnen bevatten zonder een loop-query te impliceren, waardoor het zoekgebied voor mogelijke tegenvoorbeelden wordt ingeperkt.
Deze paper introduceert het concept van lokale stabiliteit om de gevoeligheid van rangschikkingen voor kleine wijzigingen in itemwaarden te meten, stelt een berekeningsmoeilijkheidsprobleem vast, en presenteert efficiënte algoritmen voor de benadering van deze stabiliteit en het detecteren van dichte regio's, ondersteund door theoretische garanties en uitgebreide experimenten.
Dit paper introduceert een neuro-symbolisch agent dat fysieke hallucinaties in wetenschappelijke simulaties voorkomt door onzichtbare thermodynamische aannames te detecteren en ontbrekende mechanismen autonoom af te leiden, zoals aangetoond bij de correcte modellering van thermische pressurisatie in zandsteen.
Dit artikel presenteert het eerste systematische onderzoek naar de expressiviteit van PG-Keys, een nieuwe constrainttaal voor eigenschapsgrafieken die de GQL-standaard zal informeren, door deze via een unificerend kader te vergelijken met bestaande formalismen zoals GFD en GGD en zo een strikte hiërarchie van expressieve kracht vast te stellen.
Dit artikel toont aan dat het overgaan op 'out-of-place' schrijven in database-systemen essentieel is om SSD-prestaties te maximaliseren en de levensduur te verlengen, wat leidt tot aanzienlijke verbeteringen in doorvoersnelheid en een drastische reductie van schrijfgrootte.
Dit paper introduceert WikiDBGraph, een uitgebreide benchmarksuite gebaseerd op 100.000 real-world databases, om de kloof tussen bestaande methoden voor collaboratief leren en de complexe realiteit van gefragmenteerde en niet-uitgelijnde databasesiloes te dichten.
Dit paper introduceert MMTU, een uitgebreid benchmark met meer dan 28.000 vragen over 25 real-world tabellataken, om de complexiteit van het begrijpen, redeneren en manipuleren van tabellen door geavanceerde AI-modellen te evalueren en aan te tonen dat er nog aanzienlijke ruimte voor verbetering is.
Dit paper introduceert TableEG, een framework dat gebruikmaakt van fijngefineerde grote taalmodellen om authentieke fouten in tabulaire data te genereren, waardoor een robuust en betrouwbaar benchmark voor het evalueren van data-cleaning technieken wordt gecreëerd.
Het artikel introduceert SDFed, een heterogeen federatief prompt-leerframework dat de discrepantie tussen lokale en globale modellen overbrugt door variabele lokale prompts te combineren met subspace-verfijning en divergentiecontrole, waardoor de prestaties en robuustheid in privacygevoelige omgevingen met diverse data en resources worden verbeterd.
Dit paper introduceert PAG, een nieuw framework voor benaderde dichtstbijzijnde buurzoekopdrachten dat projectietechnieken integreert in een grafindex om tegelijkertijd hoge query-efficiëntie, snelle indexering, een beperkt geheugengebruik en schaalbaarheid te bieden, wat resulteert tot vijf keer snellere prestaties dan HNSW.
Dit paper introduceert de Vijfde Grafische Normaalvorm (5GNF), een op eigenschappen gebaseerd raamwerk voor het normaliseren van metadata in eigenschapsgrafieken door herhalende informatie te extraheren naar gedeelde 'Trait Nodes', wat leidt tot een schaalbaarere en semantisch helderdere datastructuur zonder significante prestatieverlies.
Dit artikel toont aan dat grafveredeling als lichtgewicht voorverwerkingstap de prestaties van Graph Neural Networks op schaalbare grafen aanzienlijk kan versnellen, vaak met behoud of zelfs verbetering van de nauwkeurigheid.