arXiv cs.AI· Fuheng Zhao, Jiayue Chen, Yiming Pan, Tahseen Rabbani, Sohaib, Divyakant Agrawal, Amr El Abbadi, Paritosh Aggarwal, Anupam Datta, Dimitris Tsirogiannis·· 6 天前AI 评分21
面向 LLM ORDER BY 高效排序的访问路径研究
Access Paths for Efficient Ordering with Large Language Models
AI 导读
研究提出 LLM ORDER BY 语义算子，并系统比较其物理实现，包括改进现有语义排序算法与新增语义感知外部归并排序。评估显示没有单一实现在所有数据集上最优，且基于比较的算法存在排序成本与排序质量的缩放关系。为此设计的预算感知优化器结合启发式规则、LLM-as-Judge 与共识聚合动态选择访问路径，在所有基准上排名准确率持平或优于最佳静态方法。
正文 · AI 翻译
摘要：在这项工作中，我们将 \texttt{LLM ORDER BY} 语义算子作为一种逻辑抽象提出，并对其物理实现进行了系统研究。首先，我们对现有的语义排序算法提出了若干改进，并引入了一种语义感知的外部归并排序算法。我们的大量评估表明，没有任何单一实现能在所有数据集上提供普遍最优性。从评估中，我们观察到基于比较的算法在排序成本与排序质量之间存在普遍的缩放关系。基于这些见解，我们设计了一个预算感知优化器，它利用启发式规则、LLM-as-Judge 评估和共识聚合，为 LLM ORDER BY 动态选择接近最优的访问路径。在我们的广泛评估中，我们的优化器在所有基准测试上始终达到与最佳静态方法相当或更优的排序准确率。我们相信，这项工作为语义算子的原则性优化提供了基础性见解，这对于构建稳健的大规模 LLM 驱动的分析系统至关重要。
| 主题： | 数据库（cs.DB）；人工智能（cs.AI）；信息检索（cs.IR） |
| 引用为： | arXiv:2509.00303 [cs.DB] |
| （或 arXiv:2509.00303v5 [cs.DB] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2509.00303 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Fuheng Zhao [查看电子邮件]
[v1]
2025年8月30日 星期六 01:44:36 UTC（218 KB）
[v2]
2025年12月3日 星期三 06:35:17 UTC（831 KB）
[v3]
2026年5月19日 星期二 23:05:35 UTC（1,189 KB）
[v4]
2026年9月14日 星期一 05:13:18 UTC（1,868 KB）
[v5]
2026年10月9日 星期五 15:39:40 UTC（1,882 KB）
来源：arXiv cs.AI · arxiv.org