研究者 Rohan Bansal 于 2026 年 9 月 16 日公布了一项名为 QORL 的技术实验，通过约 500 条 GPT-6 Astra 代理轨迹进行离线监督微调，并结合定制的强化学习框架，将一个 4.66B 参数的 Qwen 衍生小模型训练为 PostgreSQL 的外挂执行计划生成器。在著名的 JOB 基准测试中，该模型针对 113 个重度多表连接查询实现了 44.7% 的整体延迟降低，并在筛选最优候选的评测中跑出相比 Postgres 默认计划 81% 的加速比。
这项成果展现了强化学习探索复杂搜索空间的潜力，但把跑分等同于数据库内核被大模型取代，属于典型的认知偏差。这套方案的本质不是推翻传统关系型数据库优化器，而是在特定高频分析查询中，用离线试错换取执行效率的辅助调优工具。
4.66B 模型的外挂生成解法
多表 Join 的连接顺序搜索是数据库领域的典型 NP-hard 难题。Postgres 这类传统引擎依靠基于统计信息的代价模型做出判断，面对多表关联时极易因均匀分布假设失效而陷入基数估计误差。当查询涉及十多张表时，搜索空间呈组合爆炸，原生优化器选出的往往是次优路径。
面对这一死角，该项目并未重写 Postgres 内核，而是让语言模型充当外部代理，借助 pg_hint_plan 插件直接向数据库注入强制规则。这些规则涵盖指定 Join 顺序、调整扫描算子或微调随机读代价参数。
模型冷启动依赖约 500 条 GPT-6 Astra 生成的高质量多轮对话轨迹，训练过程中保持上下文完整但仅对助手回复计算损失。模型底座为 4.66B 参数规模，采用 LoRA 架构微调，可训练参数量约为 21.2M，导出的适配器权重仅有 42.5 MB。
在数据分布上，训练集选用了 CEB 基准中 16 个模板衍生的约 13,600 个 IMDb 合成查询，测试集则采用完全无 Join 拓扑重叠的 33 个模板对应的 113 个 JOB 原版查询。初始状态下，基线 4B 模型甚至无法为 113 个测试查询中的 99 个输出合法执行计划。随着强化学习推进，两轮共 600 次迭代后，模型不仅攻克了输出语法门槛，还能稳定给出高效指令。
硬件配置显现出极客式拼接特征：模型训练与 vLLM 推理部署在两张租用的 NVIDIA H100 显卡上，真实执行时延的测量则放置在作者桌面的四台 Docker 容器中进行，以此压制宿主机页缓存带来的基准波动。项目相关代码已托管至 polyphilz/qorl 仓库，环境运行于 Python 3.12。社区在 Hacker News 引发讨论的同时，也有开发者指出作者公开主页与仓库命名同步上存在轻微延迟。
81% 跑分背后的数字滤镜
报告中最具吸引力的 81% 加速指标，需要置于其严格的评测上下文中解读。该数值并非模型面对单条 SQL 单次推导直接达成的端到端效果。
测试机制实际上采取了 Best-of-15 筛选模式：系统针对每个输入查询生成 3 条生成轨迹，每条轨迹最多允许给出 5 个候选计划，随后将这些计划在真机环境依次执行，最后选取代价最低的执行时间与原生基线对比。这种机制本质上是在利用算力并行做候选探索，掩盖了多次试错失败的成本。
更严峻的脱节在于延迟口径。数据库优化器的生命线是以毫秒甚至微秒为单位的规划延迟。大模型即使参数量缩减到 4.66B，通过 GPU 完成一次提示词处理和解码也需要数十毫秒至数百毫秒。如果把语言模型的推理时延与多次候选计划的预执行成本计算在内，原本微秒级的优化阶段将被直接拖垮，出现端到端净耗时倒挂的局面。
离线探索出的最优路径，无法掩盖在线推理吞噬的时间红利。
这一局限在学术界已有公论。PVLDB 2024 发表的一项可复现性研究就曾指出，在将模型推理耗时与执行耗时合并做严苛评估时，以 Bao、Balsa、Neo 为代表的主流学习型优化器在端到端耗时上全面落后于 Postgres 原生优化器。即便是后续的 LLMSteer 或针对长尾延迟的 LLM-QO，也难以在保持极低规划开销的前提下泛化至原版 JOB 的全量负载。
- 风险.生产数据库面临持续的数据写入和模式漂移，外挂模型根据静态数据学会的固定 Hint 规则，在数据倾斜突变时极易引发灾难性的慢查询倒退。
优化器的真正归宿是协理而非替代
将大模型直接并入关系型数据库内核的设想，在短期内并不现实。PostgreSQL 官方长期以来倾向于通过完善统计信息、扩展多列统计量（Extended Statistics）等具有确定性安全边界的手段来改进计划质量，对引入不可预测的黑盒生成模型极度克制。
真正能够承接这项技术的是外挂式慢查询离线治理场景。在大型数仓或固定报表系统中，大量复杂 SQL 每天重复执行数千次。这类场景对单词几十毫秒的优化耗时并不敏感，却对单次运行十几秒的整体查询效率极度渴求。用强化学习模型在夜间或离线调度中穷举更优的 Hint 组合，随后将最优计划固化到缓存中，在工程上具有明确的经济可行性。
- 建议.DBA 与基础架构团队无需担忧内核被大模型取代，而应评估将其作为慢查询离线诊断工具，把专家手动编写 Hint 的经验沉淀为自动化代理。