4B 参数模型通过强化学习优化查询计划，比 Postgres 快 81%

Rohan Bansal 近日发表研究，通过强化学习将一个 4B 参数开源模型微调为数据库查询优化器，在标准 Join Order Benchmark 上，该模型生成的查询计划比 PostgreSQL 原生优化器快 81%。

背景：查询优化是经典难题

数据库查询优化器的核心任务之一是确定多表连接的顺序（Join Ordering），这是已知的 NP 难问题。Leis 等人 2015 年的调查在十年后重做时仍发现：优化器表现远不尽如人意，留下大量性能空间未利用。

为什么 LLM 适合这个问题

验证一个查询计划的好坏只有一个维度：执行时间。这类"输出易于核查"的任务正是 LLM 通过强化学习优化的适用场景——模型根据执行时间信号持续调整，不需要人类逐步标注推理过程。

实验方法与结果

研究者使用公开可用的 4B 参数模型，在 PostgreSQL 提供的 Join Order Benchmark 上通过强化学习微调。最终模型生成的查询计划执行时间平均比 PostgreSQL 原生优化器快 81%。

这说明：在可验证的推理任务上，相对小型的 LLM 经过目标导向的训练后，可以超越经过数十年工程打磨的传统启发式算法。

局限与下一步

该实验在受控基准环境下完成，实际生产数据库的场景更复杂（数据分布持续变化、不同硬件环境等）。研究者的完整实验细节已在个人博客发布：rohanbansal.com/qorl。

接下来看什么

"AI 替代 / 增强数据库优化器"是近年来多个开源项目和学术团队探索的方向。这篇博客提供了一个可复现的小规模实验路径，接下来值得关注的是：能否在生产级别的多租户数据库上复现类似的性能增益。

同时，该方向也面临一个结构性挑战：生产数据库的查询模式持续变化，强化学习在特定基准上训练出的策略，能否泛化到未见查询模式，仍需更多真实场景验证。