SIGMOD 2026
这片文章记录sigmod2026的实验心路。为了防止不必要的麻烦，写一写踩坑、心得，细节只有只言片语。
主要研究内容：用大模型进行索引优化。
prepare
首先比较了启发式算法和学习式算法。
根据各种实验+调研，得出几个结论：
索引性能的优化的效果：启发式>学习式（离线）>学习式（在线）
推荐索引的选择时间，如果不算训练时间，学习式比启发式快很多。
上述比较均是在非常复杂的查询场景下，即多表、嵌套、聚合函数等，DB的snapshot也非常大。在简单的SQL上，因为可供选择的索引组合数量很少，优化空间小，启发式方法表现好，学习式方法没什么意义。
现有学习型方法不能很好的进行查询的嵌入，以及更加meta的信息的提取。现有的encode方法都比较朴素。
综合3.4.，现有学习型方法只在JoinOrderBenchmark（专门用来测试查询优化器的）表现良好，TPCH/TPCDS上有点拉胯。在事务场景（CRUD）下甚至会负优化（维护索引开销大于索引带来的查询优化）。
- 现有数据集严重不足，大模型微调产生的提升太小。
我们需要的：尽可能复杂的查询。同时，将多个查询装载为一个workload,对一个workload（一批查询）推荐一组索引。
大规模数据集的收集，和生成workload-index监督数据，是难点。
model
8.29
我们重新设计了开源LLM的架构，并进行微调。
首先我们进行SFT的测试。不得不说llama factory真是个好用的框架。
参数比较复杂，过几天总结记录一下。