relational database management system
PulseAugur coverage of relational database management system — every cluster mentioning relational database management system across labs, papers, and developer communities, ranked by signal.
-
NVIDIA Kumo Relational:基础模型在数据库预测方面超越机器学习
NVIDIA 推出了 Kumo Relational,这是一个预训练的基础模型,专为企业数据库的直接预测而设计。该模型无需进行特定任务的训练、特征工程或表展平,即可在一次前向传播中对客户流失或欺诈等数据进行预测。Kumo Relational 在关系型基准测试中表现出卓越的性能,超越了包括 XGBoost 和 AutoGluon 集合在内的监督机器学习模型和专家工程管道。
-
TypeScript 开发者拥抱知识图谱而非关系型数据库
开发者正越来越多地采用知识图谱,将其作为管理复杂、互联数据的传统关系型数据库和 JSON 结构的更优替代方案。这种转变是由 SQL 和 JSON 在处理复杂关系方面的局限性以及对 AI 应用(尤其是大型语言模型)确定性、可解释数据基础日益增长的需求所驱动的。知识图谱提供了一种灵活的、与模式无关的方法,通过将数据视为实体和关系而非僵化的表,从而实现更快的数据遍历和更轻松的模式演进。
-
组织数据层级:从数据目录到人工智能平台
本文探讨了数据管理技术(包括数据湖、湖仓一体、Iceberg 和 RDBMS)的组织方式,并将其划分为不同的层级。文章旨在提供一个理解这些组件的框架,从数据目录的角度出发,构建一个适合人工智能时代的综合性数据与人工智能平台。
-
新的AI模型利用先进技术解决图像和视频恢复问题
研究人员开发了几种用于图像和视频恢复任务的新方法。一种方法,连续专家组装(CEA),使用动态参数化框架来适应图像中多样的局部退化模式。另一种方法集成了SAM2等分割模型,以获得可区分区域的先验知识,从而实现更准确的视频帧插值。此外,还创建了一个用于评估严重折射变形下多帧图像恢复的基准,并且一个混合Transformer-状态空间模型框架旨在提高边缘硬件上的恢复效率。