fact database
PulseAugur coverage of fact database — every cluster mentioning fact database across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
AI Agent Harness：LLM任务执行的关键基础设施
AI Agent Harness 是围绕概率性大型语言模型（LLM）的确定性基础设施，使其能够与外部世界交互并执行任务。该Harness将LLM连接到API、数据库和代码执行环境等工具，同时提供内存、工作空间以及用于安全和策略执行的关键护栏。虽然强大的模型可以改进决策，但健壮的Harness控制着哪些决策可以产生后果，从而防止错误完成并确保可靠的任务执行。
-
新框架利用在线学习解决动态查询选择性估计问题
研究人员开发了一个新的算法框架，用于在动态数据库和查询工作负载环境中学习查询选择性。这种受在线学习启发的方法通过遗憾值来衡量性能，即将学习算法的累积损失与最佳固定策略进行比较。该研究在静态和动态数据库设置下，针对标准损失函数，为基于直方图的线性查询（包括点查询、范围查询和子集选择查询）的遗憾值设定了理论上限和下限。
-
AI基础设施差距：存储而非仅GPU决定性能
人工智能行业正面临一个显著的基础设施差距，组织在GPU上投入巨资，却忽视了底层数据存储和网络架构。这种不平衡导致计算资源利用不足和AI项目停滞，因为遗留系统无法处理AI所需的持续数据移动。更有效的方法是使用更小、更专业的模型来将任务路由到最合适的AI，而不是将所有查询都发送给昂贵、强大的前沿模型。这种策略，尤其是在大规模应用中，可以通过确保合适的模型处理合适的工作来优化成本和性能，其中专业模型输出结构化数据供大型模型高效处理。
-
AI项目失败源于数据库限制，而非模型
企业AI项目频繁失败并非由于模型不准确，而是因为现有数据库无法满足代理式系统的需求。这些系统需要实时数据检索、操作启动和跨系统推理，而传统数据基础设施往往缺乏这些能力。pgEdge首席执行官David Mitchell强调了这一挑战，并指出需要能够支持这些复杂、动态AI操作的数据库。