PulseAugur
中
实时 05:22:47
实体 SQL

SQL

PulseAugur coverage of SQL — every cluster mentioning SQL across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
109
90 天内 377
发布 · 30天
0
90 天内 0
论文 · 30天
25
90 天内 94
层级分布 · 90 天
主题
关系
情绪 · 30 天

25 天有情绪数据

最近 · 第 1/10 页 · 共 200 条
  1. TOOL · CL_369902 ·

    pg_pinecone 将向量搜索直接引入 PostgreSQL

    Netics 发布了 pg_pinecone,这是一个开源 PostgreSQL 扩展,可将向量搜索功能直接集成到数据库中。该扩展提供三种引擎:一种原生引擎,将压缩向量代码存储在 PostgreSQL 中;一种 pgvector 引擎,可与现有的 HNSW 索引进行接口;以及一种远程引擎,可将搜索定向到 Pinecone 的托管服务。基准测试表明,与传统的 HNSW 实现相比,原生引擎提供了显著更小的索引和更快的构建时间,同时保持了高…

  2. TOOL · CL_365640 ·

    AWS 详解 Amazon Aurora PostgreSQL 的负责任 AI 控件

    AWS 详细介绍了如何在 Amazon Aurora PostgreSQL 中实现负责任的 AI 控件,重点关注检索增强生成 (RAG) 聊天机器人用例。该方法将 AWS 的八个负责任 AI 维度(如可解释性和隐私)映射到 Aurora PostgreSQL 的功能。这使得通过利用 Aurora Machine Learning 进行数据嵌入和 Amazon Bedrock Guardrails 进行安全和隐私保护等功能,可以创建提供…

  3. TOOL · CL_365073 ·

    AI模型处理隐藏的简历指令,影响候选人排名

    最近的一项实验显示,包括Anthropic的Claude Haiku 5.5和Claude Sonnet 5.5在内的AI模型,能够处理简历中隐藏的指令,即使它们没有明确遵循。虽然模型没有重复虚假信息,但当它们看到被操纵的简历时,确实改变了候选人的排名,而且往往是负面的。这表明AI筛选工具可能会无意中因为对人类招聘人员来说看起来正常的隐藏文本而惩罚候选人,凸显了自动化简历解析系统的一个潜在漏洞。

  4. TOOL · CL_364666 ·

    Nitrobase 为 AI 数据交互协议增加安全性

    Nitrobase 为其模型上下文协议 (MCP) 支持引入了一项新安全功能,特别适用于 Supabase 部署。MCP 允许 AI 客户端以结构化的方式与数据库等数据源进行交互,从而简化诸如模式探索和查询生成等任务。然而,Nitrobase 的实现默认情况下对外部访问返回 403 Forbidden 错误,需要服务器所有者显式配置才能开放 MCP 端点。这种方法通过防止敏感数据和管理界面的意外暴露来优先考虑安全性,确保 MCP 访问…

  5. RESEARCH · CL_366164 ·

    新RL方法使用训练日志整合专家,降低成本

    研究人员开发了一种名为多专家回放策略蒸馏(MRPD)的新方法,用于将多个强化学习(RL)专家整合到一个更强大的单一模型中。与需要大量重采样和重新评估的传统方法不同,MRPD利用专家的原始训练日志。这种方法通过学生模型回放这些日志,重新计算策略梯度并蒸馏专家分布,而无需与环境或奖励模型进行交互。该方法显著降低了计算成本,仅使用标准整合技术约七分之一的资源,并在推理、搜索和SQL等长时序代理任务上表现出优越的性能。

  6. RESEARCH · CL_361510 ·

    MCP 与 UTCP:用于 API 集成的 AI 代理协议对比

    两种不同的协议,模型上下文协议 (MCP) 和通用工具调用协议 (UTCP),正在被开发以使 AI 代理能够与外部工具和 API 进行交互。MCP 作为一种具有定义好的角色和数据传输层的协议,充当 AI 代理和后端端点之间的中间人。相比之下,UTCP 被描述为一个直接指导代理如何调用 API 的手册,消除了对中间服务器的需求,并简化了部署和身份验证。

  7. RESEARCH · CL_360652 ·

    研究发现 AI 模型显示出强烈偏好 PHP 而非 Python · 追踪到 2 个来源

    对 12 种不同 AI 模型进行的最新分析显示,它们强烈偏爱 PHP 而非 Python,模型持续为 PHP 生成更有利的代码和响应。这一发现源于对三种编程语言的 1200 多个提示的测试。JetBrains 进行的研究强调了 AI 模型在编程语言方面可能存在的偏见。

  8. COMMENTARY · CL_358501 ·

    提示工程演变为 LLM 的上下文工程

    “提示工程”的概念正在演变为“上下文工程”,这是一种更全面的指导大型语言模型(LLM)的方法。这一转变由 Tobias Lütke 和 Andrej Karpathy 等人物推广,强调管理输入到 LLM 上下文窗口的所有信息,而不仅仅是关注提示本身。上下文工程涉及战略性地组合系统指令、检索到的数据、对话历史和其他元素,以确保 LLM 输出的可靠性和准确性。

  9. TOOL · CL_358272 ·

    DuckLake 1.1简化AI数据湖;微软解决全球性故障

    DuckLake 1.1已发布,通过使用标准SQL数据库存储表元数据而非清单文件,解决了AI规模数据湖的复杂性问题。另外,微软已解决了一次影响74个国家Outlook、Teams和Copilot等服务的全球性服务故障。

  10. COMMENTARY · CL_358016 ·

    AI Agent采用:自动化低价值任务是资源浪费

    对一个小型电商网站自动化任务的分析显示,自动化订单履行的拟议项目并不值得。该任务每周只需约十分钟的手动工作,而且大部分流程已经自动处理。作者认为,确定性任务更适合cron作业和SQL,而AI Agent在涉及判断、写作或异常处理的任务中更有价值。分析还强调了使用生产数据库进行Agent任务的风险以及小型服务器运行本地模型的局限性。

  11. COMMENTARY · CL_357224 ·

    AI系统面临已删除数据的“僵尸向量陷阱”

    一篇技术文章讨论了AI系统中的“僵尸向量陷阱”,特别是在检索增强生成(RAG)中使用的向量数据库。当数据从传统SQL数据库中删除时,向量索引中相应的条目可能会保留下来,导致检索到过时或不相关的信息。文章提出了诸如变更数据捕获和删除标志等解决方案,以确保向量数据库准确反映主数据源的删除情况。

  12. TOOL · CL_356856 ·

    新工具确保 AI 安全访问 SQL Server 数据库

    一款名为 mssql-readonly-mcp 的新开源工具已被开发出来,允许 AI 助手安全地查询 SQL Server 数据库。这个 C# 应用程序充当一个网关,强制执行严格的只读访问,并防止未经授权的数据修改或泄露。它采用多层安全方法,包括基于解析器的仅 SELECT 门和登录权限,以减轻提示注入等风险。

  13. TOOL · CL_356081 ·

    Claix Guard 为 AI 代理添加 SQL 安全护栏

    Claix Guard 是一款新工具,旨在为与数据库交互的 AI 代理添加安全护栏。它在执行前会根据用户定义的规则检查提议的 SQL 更改,从而防止潜在的有害操作。该系统支持 PostgreSQL、MySQL 和 MariaDB 等流行数据库,并允许用户对操作、值和列修改设置特定限制。

  14. TOOL · CL_355817 ·

    Scops AI 以增强的安全性和工具挑战 Oracle 的数据库 AI 集成

    Scops AI 为将 AI 模型连接到数据库提供了 Oracle Model Context Protocol (MCP) 服务器的替代方案。虽然 Oracle 的 MCP 服务器提供基本的 SQL 执行功能,但 Scops AI 通过提供 40 多种专用 DBA 工具、历史数据访问以及名称屏蔽等内置安全功能来增强这一点。文章强调了 Oracle 自己的文档警告不要授予 LLM 直接访问生产数据库的权限,这表明 Scops AI 的…

  15. TOOL · CL_360538 ·

    MEM-SQL 通过历史感知基准提高文本到SQL的准确性

    研究人员推出了一种名为MEM-SQL的新型方法,旨在提高文本到SQL系统的准确性并降低成本。该方法利用了一个名为HARE的历史感知基准,该基准考虑了先前已验证的SQL组件的重用和按需模式咨询。在HARE基准上,MEM-SQL在六种语言模型上的执行准确性显著提高,从37.1%提升到50.0%。此外,该系统在输入令牌和延迟方面实现了大幅降低,使文本到SQL更加高效。

  16. TOOL · CL_355111 ·

    Palantir的AIP与Snowflake集成,支持自然语言数据查询

    Palantir的人工智能平台(AIP)已与Snowflake集成,使用户能够使用自然语言而非SQL查询数据仓库。此次集成使AIP能够理解数据模式、强制执行访问控制并即时生成可执行查询。该功能旨在通过使数据仓库更易于访问,并使数据工程师和分析师能够更多地专注于解释而非查询语法,从而减少业务用户的障碍。然而,此解决方案的目标客户是已与Palantir和Snowflake签订合同的企业客户。

  17. TOOL · CL_354771 ·

    dbt 中的 LLM 调用破坏幂等性;使用内容寻址账本

    在 dbt 的 SQL 转换中直接使用大型语言模型 (LLM) 会破坏幂等性和可重现性的核心假设。LLM 调用不是纯函数,这意味着由于模型更新或采样方差等因素,即使输入相同,其输出也可能不同。这种不一致性会破坏 dbt 的全量刷新、增量模型和 CI 检查等功能。推荐的解决方案是将 LLM 输出视为内容寻址账本,将它们单独存储,并在 dbt 模型中确定性地将它们连接起来。

  18. TOOL · CL_353298 ·

    Databricks Genie 插件将 AI 代理连接到业务背景信息

    Databricks 推出了其 Genie 平台的插件,使 ChatGPT、Claude 和 Microsoft Copilot Cowork 等热门 AI 代理能够访问和利用特定业务的背景信息。这些插件利用 Genie Ontology,该本体提供经过认证的定义和关系,使代理能够安全地查询数据并返回带有引用的答案。此次集成旨在通过将 AI 生成的见解建立在组织的特定数据和业务理解之上,来提高其准确性和可信度,从而促进从数据分析到代码…

  19. COMMENTARY · CL_351025 ·

    尼泊尔AI工程师的角色侧重于集成而非模型训练

    在尼泊尔的一名AI工程师每周主要从事验证模型输出、清理和准备数据以供摄取以及优化代码以提高效率和降低成本等任务。与普遍看法相反,该角色更侧重于集成现有的LLM(如来自OpenAI、Anthropic和Google的模型)与LangChain等框架,而不是从头开始训练模型。主要职责包括使用RAGAS等工具确保答案的准确性、防范提示注入攻击以及仔细记录更改和测试结果。

  20. TOOL · CL_350811 ·

    Microsoft 发布 Azure AI Foundry Toolbox;Oracle 增强 .NET 数据库脚本

    Microsoft 发布了新的 Azure AI Foundry Toolbox,旨在简化 AI 模型的部署和管理。该工具箱与 GitHub Actions 和 AZD (Azure Developer CLI) 集成,以促进版本控制、发布推广和端点验证。另外,Oracle 推出了 ODPNET,一个用于执行 SQL 脚本的 .NET 库,旨在提高云和 AI 工作流中数据库更新的安全性和自动化程度。