เทรนโมเดล 4B ให้สร้าง query plan ที่เร็วกว่าแผนของ Postgres 1.81 เท่า ด้วยงบ 1,200 ดอลลาร์
Training a 4B model to produce 81% faster query plans than Postgres
โมเดลส่ง PlanAction เป็น JSON ที่ระบุลำดับการ join อัลกอริทึม join ชนิดการ scan และค่าคอนฟิกอย่าง enable_sort หรือ random_page_cost จากนั้นแปลงเป็นคอมเมนต์ของ pg_hint_plan โดยไม่ต้องแก้ Postgres เลย ผู้เขียนเริ่มจาก Qwen 3.8 4B ทำ SFT ด้วย trajectory ของ GPT-6 Astra ผ่าน LoRA แล้วต่อด้วย RL แบบ anchored GRPO เทรนด้วย CEB 13,646 คิวรี และทดสอบกับ JOB 113 คิวรีบนข้อมูล IMDb งบรวม 1,200 ดอลลาร์
ก่อนเทรน โมเดลสร้างแผนให้ 99 จาก 113 คิวรีไม่ได้ หลังเทรนและเลือกผลที่ดีที่สุดจากสาม trajectory ได้ speedup เฉลี่ย (geometric mean) 1.81 เท่า latency ลดลง 44.7% มี 68 คิวรีที่เร็วขึ้นเกิน 5% และไม่มีคิวรีที่ช้าลงอย่างมีนัยสำคัญ ผู้เขียนวัดผลบน Postgres 4 container และตั้ง shared_buffers เป็น 2GB เพราะค่าเริ่มต้น 128MB ทำให้ reward คลาดเคลื่อนราว 5% ส่วน 2GB เหลือราว 1.2%
งานนี้ยังเทรนบนข้อมูล IMDb อย่างเดียว และเหมาะกับคิวรีที่รันซ้ำ ขั้นต่อไปคือวัด noise บนเครื่อง EC2 แบบ dedicated ส่วนที่นำไปใช้ได้ทันทีคือใช้ pg_hint_plan บังคับแผนสำหรับคิวรีที่ join หนัก