Snowflake

Access Paths for Efficient Ordering with Large Language Models

利用大型语言模型实现高效的排序访问路径

Fuheng Zhao, Jiayue Chen, Yiming Pan, Tahseen Rabbani, Sohaib, Divyakant Agrawal, Amr El Abbadi, Paritosh Aggarwal, Anupam Datta, Dimitris Tsirogiannis

机构 * Snowflake Inc.（Snowflake公司） ； University of Chicago（芝加哥大学） ； UC Los Angeles（洛杉矶大学） ； UC Santa Barbara（圣巴巴拉大学） 纠错

AI总结 本文提出了一种基于大型语言模型的排序语义运算符，并系统研究了其物理实现。通过改进现有语义排序算法并引入语义感知的外部归并排序算法，研究发现没有单一实现能在所有数据集上达到最优。基于此，设计了一个预算感知的优化器，利用启发式规则、LLM作为判断者评估和共识聚合动态选择最优的访问路径。实验结果表明，该优化器在所有基准测试中均能实现与最佳静态方法相当或更优的排名准确性。