# 训练一个 4B 模型，让它生成的查询计划比 Postgres 默认的快 81%

> 原标题：Training a 4B model to produce 81% faster query plans than Postgres

- 来源：Hacker News 首页
- 发布时间：2026-09-16T18:50:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/56937
- 原文：https://rohanbansal.com/qorl

## 摘要

作者 Rohan Bansal 通过监督微调和智能体强化学习后训练一个 4B 模型（Qwen），让其为 Postgres 生成查询计划，在 113 条多表连接查询上实现 44.7% 的延迟下降，标题称查询计划比 Postgres 默认计划快 81%。

## 推荐理由

作者用监督微调加智能体强化学习后训练一个 4B 模型为 Postgres 生成查询计划，在 113 条多表连接查询上把延迟降低 44.7%，完整训练流程可供小模型做查询优化参考。

## 锐评

44.7% 的延迟下降是 113 条多表 join 查询上的数字，标题那个 81% 是挑出来的最好情况，两个数放一起就知道水分在哪。让我在意的是成本结构，4B 模型加 LoRA 加 GRPO，训练跑在租的 2x H100 上，推理侧一个 4B 的开销比调 Postgres 参数贵不了多少，泛化能撑住的话这比换数据库划算。113 条 join 查询的 workload 太窄，Postgres 默认优化器在 join ordering 上确实是老毛病，换个场景还能不能赢不好说。方向对，数字先别信满。
