Probleminės duomenų bazių veiklos derinimo sprendimas gali būti sudėtingas uždavinys, dažnai reikalaujantis įrankio, kuris gebėtų suteikti tikslas ir veiksmingas derinimo rekomendacijas. Nors didelės kalbos modeliai (LLM), tokie kaip ChatGPT, gali atsakyti į klausimus, jų bendros rekomendacijos dažnai neturi konteksto ir gali būti nepakankamos duomenų bazių veiklos klausimams spręsti.
Tam, kad įveiktų šias apribojimas, tyrimų grupės iš AWS AI Labs ir Amazon Web Services sukūrė sistemą Panda, kuri siekia patobulinti iš anksto apmokytų LLM galimybes, siekiant generuoti naudingesnes ir kontekste pagrįstas derinimo rekomendacijas ypač duomenų bazės veiklos derinimui.
Panda susideda iš kelių pagrindinių komponentų, kurie kartu užtikrina efektyvias rekomendacijas. Klausimo patikros agentas filtruoja užklausas, kad būtų užtikrinama jų aktualumas, tuo tarpu apibendrinimo mechanizmas išgavęs globalų ir vietinį kontekstą, siekia geresnio problemai supratimo. Patvirtinimo mechanizmas užtikrina atsakymo teisingumą, o grįžtamasis ryšys įtraukia vartotojų atsiliepimus nuolatiniam tobulinimui. Be to, puikinimo mechanizmas įvertina rekomenduojamų taisymų poveikį.
Panda naudoja paieškos duomenų pagrįsto generavimo (RAG) metodą kontekstualiems užklausų valdymui, leidžiantis naudoti vektorizuotus įterpinius panašumui ieškoti. Norėdama pagerinti savo supratimą ir generuoti tikslas rekomendacijas, Panda naudoja telemetrijos metrikas ir problemų sprendimo dokumentus, užtikrindama, kad būtų atsižvelgiama į daugiamodalius duomenis.
Lyginamuoju tyrimu Panda, naudojanti GPT-3.5, aplenkė GPT-4 realiųjų duomenų bazių darbo apkrovose. Duomenų bazių inžinieriai įvertino Panda ir jos rekomendacijas patikimesnėmis ir naudingesnėmis, teigdami, kad tai yra dėl atitinkamų šaltinių citatų ir teisingumo, grindžiamo telemetrijos ir problemų sprendimo dokumentais. Statistinė analizė, naudojant dviejų imčių T-Testą, patvirtino Pandos pranašumą prieš GPT-4.
Panda įveda naują autonomiško duomenų bazės derinimo naudojant natūraliąją kalbą agentų požiūrį. Jos pagrindinis pranašumas yra nereikalingų užklausų filtravimas, prasmingų daugiamodalių kontekstų sudarymas, rekomendacijų poveikio įvertinimas ir vartotojų atsiliepimų įtraukimas. Sistema pabrėžia bendradarbiavimo svarbą duomenų bazių ir sistemų bendruomenėse, siekiant kartu pertvarkyti duomenų bazės derinimo procesą.
Su Panda įvedimu atsiranda naujos galimybės tiksliai, patikimai ir naudingai taisyklėms duomenų bazės veiklos derinime. Skatinama tęsti tolimesnius tyrimus ir bendradarbiavimą, siekiant tobulinti Pandos galimybes ir peržiūrėti bendrąją duomenų bazės derinimo metodiką.
The source of the article is from the blog tvbzorg.com