Tencent Cloud Database はトップカンファレンスで再び認められ、論文は VLDB2023 に選出されました
トップの国際データベースカンファレンスである第 49 回 VLDB カンファレンスでは、Tencent Cloud TDSQL の 2 つの論文が VLDB 2023 に無事掲載され、トップの国際データベースカンファレンスである VLDB に革新的なテクノロジーが認められていることを改めて証明しました。データベース分野のリーダーとして 3 つのトップカンファレンスの 1 つである VLDB カンファレンスは、現在のデータベース研究の最先端の方向性と業界の最新アプリケーションを展示することに重点を置いており、世界のトップテクノロジー企業や企業の参加を集めています。研究機関。この会議ではシステムの革新性、完全性、実験計画などについて非常に高い要件が求められるため、VLDB 会議の論文採択率は一般に低い (約 18%)。
選ばれた論文の中で、Tencent Cloud、南京大学、チューリッヒ工科大学が共同開発した「データベースのスナップショット分離の効率的なブラックボックス チェック」ソリューションは、新しいブラックボックス チェックを提案しています。プロセッサである PolySI は、効率的に実行できます。スナップショット分離 (SI) をチェックし、違反が検出された場合にわかりやすい反例を提供します。
スナップショット分離は一般的な弱い分離レベルであり、シリアル化によって引き起こされるパフォーマンスの損失を回避し、多くの一般的なデータ異常を防ぐことができます。ただし、スナップショット分離保証を提供すると主張する一部の運用クラウド データベースでは依然として SI データの異常が発生し、特に金融分野に大きな影響を与える可能性があります。業界に存在する同様のツールは、スナップショット分離レベルのテストをサポートしていないか、効率が低いかのいずれかです。データベース システムの複雑さと、データベース内の内部情報にアクセスできないことが多いという事実を考慮すると、ブラックボックスのスナップショット分離チェッカーが業界で緊急に必要とされています。
この問題を解決するために、私たちは「PolySI」アルゴリズムとツールを提案、設計しました。 PolySI の理論的基礎は、PolySI の正確さと完全性を保証する一般化ポリグラフ (GP) に基づく SI 特性定理です。 PolySI は SMT ソルバー (MonoSAT) を採用し、GP のコンパクトな制約エンコーディング スキームとドメイン固有の最適化を活用して SMT 解決を加速します
現在、広範な評価を通じて、PolySI は既知の SI 異常を再現することに成功し、新しい SI 異常が検出されました3 つの実稼働クラウド データベースで、わかりやすい反例を提供します。 PolySI は、複数のクラスのワークロードの下で現在の最先端の SI ブラック ボックス チェッカーよりも優れたパフォーマンスを発揮し、大規模なワークロードに拡張できます。
私たちの理解によれば、Tencent Cloud と Simon Fraser University が共同で完成させた論文「スナップショット データベースのオンライン スキーマ進化は (ほぼ) 無料です」では、「Tesseract」メソッドと呼ばれる新しいオンラインおよびトランザクション スキーマ進化が紹介されています。データベースのスキーマをオンラインで変更するプロセスで直面する課題を解決するには
現在、最新のデータベース アプリケーションでは、ニーズの変化に応じてスキーマを変更することがよくあります。データベースのスキーマをオンラインで変更する主な利点は、データベースのスキーマをオンラインで変更する必要がないことです。データベース サービスを停止したり、進行中のトランザクションを中断して構造を変更したりできるため、メンテナンスやデータベースの再起動のためのダウンタイムを必要とせずに、データベースが動的な変更に対応できるようになります。
既存のデータベース システムでは、オンラインおよびトランザクション スキーマ (スキーマ) の進化がサポートされていますが、いくつかの課題にも直面しています。 1 つ目はデータの整合性の問題で、構造を変更する場合、データの整合性を確保するために、トランザクションなどのメカニズムを使用してデータの完全性と正確性を確保する必要があります。次に、実行時間が長いという問題があり、特に大規模なデータベースや複雑な構造の変更の場合、一部の構造の変更は完了までに時間がかかることがあり、データベースのパフォーマンスに一定の影響を与える可能性があります。したがって、ビジネスへの影響を最小限に抑えるために、適切な時間枠で変更を行う必要があります。
過去のソリューションでは、スキーマの進化に「パッチ」を適用して既存のシステムに適用するために、アドホックなアプローチがよく使用されていました。その結果、多くの特殊なケースと不完全な機能が発生しました。したがって、アプリケーションではスキーマ変更を行うために慎重に計画されたダウンタイムが必要になることが多く、可用性が犠牲になります。
上記の欠点を回避するには、Tesseract が活躍します。広く使用されているマルチバージョン データベース システムでは、スキーマの進化は、いわゆる変更としてのデータ定義 (DDaM) と呼ばれる、テーブル全体に対するデータ変更操作としてモデル化できます。このように、Tesseract は同時実行制御プロトコルを活用することで、ほぼゼロコストでパターンをサポートできます。
Tesseract アプリケーションのテストでは、既存のスナップショット分離プロトコルに簡単な調整を加えました。 40 コア サーバー上のワークロード下で、Tesseract はダウンタイムなしでオンラインのトランザクション スキーマ進化を実現し、進化プロセス中に高いアプリケーション パフォーマンスを維持できます。
トップ データベース カンファレンス VLDB に参加することで、Tencent Cloud は最新のデータベース分野における技術の進歩と革新的な方向性は、世界の技術開発者と同時に共有され、データベース分野の技術と産業の発展にとって非常に貴重な参考事例も提供されます。将来的に、Tencent Cloud はデータベース関連の技術、製品、エコロジー機能を改善し続け、あらゆる層に便利で使いやすいデータベース サービスを提供していきます。
以上がTencent Cloud Database はトップカンファレンスで再び認められ、論文は VLDB2023 に選出されましたの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









これも Tusheng のビデオですが、PaintsUndo は別の道を歩んでいます。 ControlNet 作者 LvminZhang が再び生き始めました!今回は絵画の分野を目指します。新しいプロジェクト PaintsUndo は、開始されて間もなく 1.4kstar を獲得しました (まだ異常なほど上昇しています)。プロジェクトアドレス: https://github.com/lllyasviel/Paints-UNDO このプロジェクトを通じて、ユーザーが静止画像を入力すると、PaintsUndo が線画から完成品までのペイントプロセス全体のビデオを自動的に生成するのに役立ちます。 。描画プロセス中の線の変化は驚くべきもので、最終的なビデオ結果は元の画像と非常によく似ています。完成した描画を見てみましょう。

AIxivコラムは、当サイトが学術的・技術的な内容を掲載するコラムです。過去数年間で、このサイトの AIxiv コラムには 2,000 件を超えるレポートが寄せられ、世界中の主要な大学や企業のトップ研究室がカバーされ、学術交流と普及を効果的に促進しています。共有したい優れた作品がある場合は、お気軽に寄稿するか、報告のために当社までご連絡ください。提出メール: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com 人工知能の開発プロセスにおいて、大規模言語モデル (LLM) の制御とガイダンスは常に中心的な課題の 1 つであり、これらのモデルが両方とも確実に機能することを目指しています。強力かつ安全に人類社会に貢献します。初期の取り組みは人間のフィードバックによる強化学習手法に焦点を当てていました (RL

AIxivコラムは、当サイトが学術的・技術的な内容を掲載するコラムです。過去数年間で、このサイトの AIxiv コラムには 2,000 件を超えるレポートが寄せられ、世界中の主要な大学や企業のトップ研究室がカバーされ、学術交流と普及を効果的に促進しています。共有したい優れた作品がある場合は、お気軽に寄稿するか、報告のために当社までご連絡ください。提出電子メール: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com この論文の著者は全員、イリノイ大学アーバナ シャンペーン校 (UIUC) の Zhang Lingming 教師のチームのメンバーです。博士課程4年、研究者

AIモデルによって与えられた答えがまったく理解できない場合、あなたはそれをあえて使用しますか?機械学習システムがより重要な分野で使用されるにつれて、なぜその出力を信頼できるのか、またどのような場合に信頼してはいけないのかを実証することがますます重要になっています。複雑なシステムの出力に対する信頼を得る方法の 1 つは、人間または他の信頼できるシステムが読み取れる、つまり、考えられるエラーが発生する可能性がある点まで完全に理解できる、その出力の解釈を生成することをシステムに要求することです。見つかった。たとえば、司法制度に対する信頼を築くために、裁判所に対し、決定を説明し裏付ける明確で読みやすい書面による意見を提供することを求めています。大規模な言語モデルの場合も、同様のアプローチを採用できます。ただし、このアプローチを採用する場合は、言語モデルが

LLM に因果連鎖を示すと、LLM は公理を学習します。 AI はすでに数学者や科学者の研究を支援しています。たとえば、有名な数学者のテレンス タオは、GPT などの AI ツールを活用した研究や探索の経験を繰り返し共有しています。 AI がこれらの分野で競争するには、強力で信頼性の高い因果推論能力が不可欠です。この記事で紹介する研究では、小さなグラフでの因果的推移性公理の実証でトレーニングされた Transformer モデルが、大きなグラフでの推移性公理に一般化できることがわかりました。言い換えれば、Transformer が単純な因果推論の実行を学習すると、より複雑な因果推論に使用できる可能性があります。チームが提案した公理的トレーニング フレームワークは、デモンストレーションのみで受動的データに基づいて因果推論を学習するための新しいパラダイムです。

乾杯!紙面でのディスカッションが言葉だけになると、どんな感じになるでしょうか?最近、スタンフォード大学の学生が、arXiv 論文のオープン ディスカッション フォーラムである alphaXiv を作成しました。このフォーラムでは、arXiv 論文に直接質問やコメントを投稿できます。 Web サイトのリンク: https://alphaxiv.org/ 実際、URL の arXiv を alphaXiv に変更するだけで、alphaXiv フォーラムの対応する論文を直接開くことができます。この Web サイトにアクセスする必要はありません。その中の段落を正確に見つけることができます。論文、文: 右側のディスカッション エリアでは、ユーザーは論文のアイデアや詳細について著者に尋ねる質問を投稿できます。たとえば、次のような論文の内容についてコメントすることもできます。

最近、2000年代の7大問題の一つとして知られるリーマン予想が新たなブレークスルーを達成した。リーマン予想は、数学における非常に重要な未解決の問題であり、素数の分布の正確な性質に関連しています (素数とは、1 とそれ自身でのみ割り切れる数であり、整数論において基本的な役割を果たします)。今日の数学文献には、リーマン予想 (またはその一般化された形式) の確立に基づいた 1,000 を超える数学的命題があります。言い換えれば、リーマン予想とその一般化された形式が証明されれば、これらの 1,000 を超える命題が定理として確立され、数学の分野に重大な影響を与えることになります。これらの命題の一部も有効性を失います。 MIT数学教授ラリー・ガスとオックスフォード大学から新たな進歩がもたらされる

現在、次のトークン予測パラダイムを使用した自己回帰大規模言語モデルが世界中で普及していると同時に、インターネット上の多数の合成画像やビデオがすでに拡散モデルの威力を示しています。最近、MITCSAIL の研究チーム (そのうちの 1 人は MIT の博士課程学生、Chen Boyuan です) は、全系列拡散モデルとネクスト トークン モデルの強力な機能を統合することに成功し、トレーニングおよびサンプリング パラダイムである拡散強制 (DF) を提案しました。 )。論文タイトル:DiffusionForcing:Next-tokenPredictionMeetsFull-SequenceDiffusion 論文アドレス:https:/
