4B小模型击败Postgres查询优化器

传统数据库社区对机器学习替代查询优化器一直持怀疑态度，主要担心训练开销和泛化能力。这个工作的关键突破在于用极小模型（4B）解决特定子问题（join ordering + cardinality estimation），而非端到端替代整个优化器，大幅降低了落地门槛。

对做AI Infra的团队来说，这意味着数据库内核开始出现'AI原生'重构机会，类似向量数据库当年的窗口期。Postgres生态的扩展插件机制（如pg_hint_plan）让这种混合架构可以快速验证，不需要fork主干代码。

值得关注的是，论文提到模型推理延迟仅毫秒级，已经满足在线优化需求。如果开源代码放出，建议优先在分析型负载（OLAP）场景测试，这类场景join复杂度高、优化收益最大。