研究知识库草稿 · Jay · 2026-06-16 下午简报

本次主题

下午研究简报（2026-06-16 11:05 UTC+8）：聚焦 arxiv VLDB/SIGMOD 2026 数据库新论文 + LLM 推理引擎系统性研究 + Substack 精选 + TGI 维护模式退出信号 + 云原生向量数据库工程实践

任务元信息

执行时间：2026-06-16 11:05（UTC+8）
本次检索主题：Database 新论文 · Backend 推理引擎系统研究 · Cloud-Native K8s + Vector DB · Substack 高价值线索
检索范围：arXiv (cs.DB/cs.SE/cs.LG) · VLDB · SIGMOD · The AI Engineer Substack · Sebastian Raschka Substack · CNCF Blog · Dev.to · Engineering Blog
今日已有报告：2026-06-16-noon-github-trending-inference-kvcache.md（GitHub Trending + KVCache 五时代）、2026-06-16-noon-engineering-filter.md（DFlash + Flash-KMeans + WWDC），本报告为第三条补充

一、DATABASE · arXiv VLDB/SIGMOD 2026 新论文

D1. SVFusion — CPU-GPU 协同向量搜索架构（PVLDB VLDB 2026 录用）

字段	内容
arXiv	2601.08528
会议	PVLDB Volume 19（VLDB 2026 正式录用）
作者	Yuchen Peng, Dingyu Yang, Zhongle Xie, Ji Sun, Lidan Shou, Ke Chen, Gang Chen
机构	浙江大学等

核心观点：提出 CPU-GPU 协同处理大规模实时向量搜索的架构 SVFusion，针对混合负载（CPU 侧元数据过滤 + GPU 侧向量搜索）的协同优化问题。

可信度判断：高——VLDB 2026 正式录用论文，有完整实验

后续行动：归档；关注 CPU-GPU 协同调度策略的实现细节

D2. SafeLoad — 云数据仓库内存过载查询识别框架（VLDB 2026 录用）

字段	内容
arXiv	2601.01888
会议	VLDB 2026（演示论文）
作者	Yifan Wu, Yuhan Li, Zhenhua Wang, Zhongle Xie, Dingyu Yang, Ke Chen, Lidan Shou, Bo Tang, Liang Lin, Huan Li, Gang Chen
交叉领域	ML for Systems（cs.DB + cs.LG）

核心观点：云数据仓库中识别内存过载查询的 admission control 框架，用 ML 方法预测哪些查询会导致内存过载，从而保护系统稳定性。

可信度判断：高——VLDB 2026 演示论文，工程导向

后续行动：归档；作为 ML for Systems 案例追踪

D3. TiInsight — 基于 LLM 的 SQL 自动探索性数据分析系统（VLDB 2026 演示）

字段	内容
arXiv	2601.09404
会议	VLDB 2026（演示论文）
核心观点	用 LLM 自动生成 SQL 分析报告，降低探索性数据分析门槛

可信度判断：中高——VLDB 2026 演示，需核验实际 demo 效果

后续行动：归档；追踪 GitHub 开源进展

D4. Vector Search for the Future — 从内存常驻到云原生架构（SIGMOD 2026 Tutorial）

字段	内容
arXiv	2601.01937
会议	SIGMOD 2026（Tutorial 录用）
作者	Yitong Song, Xuanhe Zhou, Christian S. Jensen, Jianliang Xu

核心观点：向量搜索技术从早期内存常驻静态索引，到如今云原生分布式架构的演进路径综述，是理解向量搜索系统演化的系统性教程。

可信度判断：高——SIGMOD 2026 Tutorial，综述性质，适合建立知识框架

后续行动：建议精读；作为向量搜索知识体系的结构化索引

D5. Graph Transformers for Query Plan Representation（VLDB 2026）

字段	内容
会议	VLDB 2026
核心观点	用图 Transformers 对查询计划进行语义表示
关联	ML4DB-paper-list（GitHub: LumingSun/ML4DB-paper-list）

可信度判断：中高——VLDB 2026，有理论创新

后续行动：归档

D6. Learned Query Optimizer in Alibaba MaxCompute（arXiv 2026 + 关联 VLDBJ）

字段	内容
关联会议	VLDBJ（投稿中）+ ML4DB-paper-list
核心观点	阿里 MaxCompute 生产环境的 Learned Query Optimizer 实战挑战与分析

可信度判断：高——阿里生产环境案例，落地价值强

后续行动：归档；对比 Divo（SIGMOD 2026）学习型查询优化器

D7. Divo — Diverse Workload 学习型查询优化器（SIGMOD 2026）

字段	内容
会议	SIGMOD 2026
核心观点	学习型查询优化器，目标是稳定性和多样性
关联	FOSS（学习型查询优化器，VLDBJ）

可信度判断：高——SIGMOD 2026，学术创新 + 实用价值

后续行动：归档；与 OmniTune（SIGMOD 2026）一起作为 LLM+Query Opt 案例追踪

D8. OmniTune — LLM 通用查询优化框架（SIGMOD 2026）

字段	内容
会议	SIGMOD 2026
核心观点	基于 LLM 的通用查询优化框架，支持跨引擎优化

可信度判断：高——SIGMOD 2026

后续行动：归档

二、BACKEND · LLM 推理引擎系统性研究

B1. A First Look at Bugs in LLM Inference Engines（arXiv 2506.09713，ACM TOSEM 录用）

字段	内容
arXiv	2506.09713
会议	ACM Transactions on Software Engineering and Methodology（TOSEM）正式录用
cs.SE	软件工程方向

核心发现摘要（全文系统分析 932 个真实 bug）：

Bug 分布统计：

阶段	S1（崩溃）	S2（错误输出）	S3（性能退化）	S4（内存泄漏）	S5（挂起）	S6（资源泄漏）	总计
Engine Setup	132	1	0	0	3	0	136
Model Conversion	108	0	14	0	2	8	132
Inference/Serving	363	121	93	53	30	4	664
总计	603	122	107	53	35	12	932

五大引擎 bug 统计：

Engine	Provider	真实 Bug 数
Llama.cpp	Ggml	124
vLLM	UCB	290
DeepSpeed	Microsoft	121
Mlc-llm	CMU	214
TensorRT-LLM	NVIDIA	180

关键工程洞察： 1. vLLM bug 最多（290 个）：与其最流行、使用场景最复杂直接相关，不代表质量最差 2. Inference/Serving 阶段是 bug 重灾区（664/932，占 71%）：批量调度、KV Cache 管理、量化支持是主要问题来源 3. 崩溃（S1）是最常见症状（603/932，65%）：主要是空指针、越界访问、CUDA 同步错误 4. Llama.cpp 相对最稳定（124 个）：项目成熟，社区维护时间长

工程方法论： - 从 GitHub Issue 中人工筛选（排除非 bug、功能请求、无实质讨论的 issue） - 最终数据：929 个真实 bug（5 个引擎）

可信度判断：高——ACM TOSEM 正式录用，arXiv cs.SE，软件工程领域顶刊，方法论严谨

后续行动： - 🔴 建议精读全文（重点：Inference/Serving 阶段的 664 个 bug 根因分析） - 🔴 补充到推理引擎评测 checklist：vLLM 的 Model Conversion bug 需关注 - 🟡 为知识库"AI Infra 可靠性"主题页增加系统性 bug 分析数据

B2. Inside vLLM: Anatomy of a High-Throughput LLM Inference System（vLLM 官方 Blog）

字段	内容
URL	https://vllm.ai/blog/2025-09-05-anatomy-of-vllm
发布日期	2025-09-05
分析版本	commit 42172ad（2025-08-09）

核心内容（官方系统解析）：

五大子系统： 1. LLM Engine & Engine Core：离线推理基础构建块 2. PagedAttention：vLLM 的核心创新，借鉴 OS 分页思想管理 KV Cache 3. Continuous Batching：动态批处理，最大化 GPU 利用率 4. Speculative Decoding：EAGLE 系列集成 5. Model Runner V2（MRv2）：新架构，支持 Qwen3.5/Mamba 混合模型

prefill/decode 分离架构示例（Python multiprocessing）：

prefill_done = Event()
prefill_process = Process(target=run_prefill, args=(prefill_done,))
decode_process = Process(target=run_decode, args=(prefill_done,))

可信度判断：高——vLLM 官方 Blog，工程准确性与权威性最强

后续行动：建议精读；作为 vLLM 系统架构知识的核心参考文献

B3. HuggingFace TGI 进入维护模式——推理引擎格局变化信号

字段	内容
来源	The AI Engineer Substack（https://theaiengineer.substack.com/p/vllm-vs-ollama-vs-sglang-vs-tensorrt）
核心信息	HuggingFace TGI（Text Generation Inference）正式进入维护模式，不再接受新功能 PR，只接受 bug 修复和文档改进

推理引擎格局 2026（四大玩家）：

引擎	状态	定位
vLLM	活跃开发	生产默认选择，生态最广
SGLang	活跃开发	高并发 + MoE，NSA 稀疏注意力
TensorRT-LLM	NVIDIA 维护	最大性能，NVIDIA 独占
llama.cpp	活跃开发	本地推理，跨平台
TGI	维护模式	历史地位，迁移倒计时

工程行动建议： -仍在生产环境运行 TGI 的团队：开始规划迁移到 vLLM 或 SGLang - TGI 的最佳替代：vLLM（模型覆盖最广）和 SGLang（高并发场景）

可信度判断：高——The AI Engineer 是 AI 工程领域高质量 Substack，HuggingFace GitHub README 原文可交叉验证

后续行动：归档；作为推理引擎演进史的重要节点

B4. vLLM vs SGLang vs TensorRT-LLM — 2026 全面对比（The AI Engineer）

字段	内容
URL	https://theaiengineer.substack.com/p/vllm-vs-ollama-vs-sglang-vs-tensorrt
Substack	The AI Engineer（高质量 AI 工程 newsletter）

新增关键洞察（相较于上午报告的补充）：

TGI 退出影响： - TGI 首创了推理引擎这个类别 - 贡献了连续批处理、量化支持等工业标准 - vLLM 和 SGLang 是其精神继承者

SGLang 2026 新能力（v0.5.9+）： - 原生 Anthropic API 兼容性（除了 OpenAI 兼容端点） - 支持 GPT-OSS 120B 任务（MLPerf Inference v6.0） - RTX-LLM DSA 内核集成（DeepSeek V3.2 专用）

vLLM Model Runner V2 新能力： - Qwen3.5/Mamba 混合模型支持 - DeepSeek V4 完整支持（NVFP4 MoE、pipeline parallelism） - 自定义推测解码 proposer 后端

决策建议（The AI Engineer 原文）： - 几乎所有场景：vLLM 是默认选择 - 超大 MoE 模型（DeepSeek V3 级别）+ 高并发：SGLang - 最大 NVIDIA 性能（榨干硬件）：TensorRT-LLM（需 1-2 周编译） - 本地/跨平台：llama.cpp

可信度判断：高——Substack 社区验证，工程经验驱动

后续行动：归档；与上午 Inference Engineering 数据合并，建立完整推理引擎选型矩阵

三、CLOUD-NATIVE · Kubernetes + Vector DB + CNCF

C1. Kubernetes in 2026: Scaling AI Agents and Cloud-Native MLOps

字段	内容
URL	https://www.rajinikanthvadla.com/blog/kubernetes-cloud-native-ai-ml-deployment-trends-2026-moicyegk
作者	Rajinikanth Vadla
发布日期	2026-04-28

核心工程观点：

RAG 精确度陷阱： - 过度优化 RAG 精确度会导致检索准确率下降 40%（VentureBeat 报告） - 原因：over-filtered 信息导致 agent 基于不完整数据做决策

云原生 2026 新趋势： - Hybrid Search Cluster on Kubernetes（向量数据库 + BM25 混合） - 根据查询复杂度而非仅 CPU 使用率进行弹性伸缩 - 代表方案：Milvus/Weaviate + auto-scaling

K8s 作为 Agentic Operating System： - Kubernetes 从容器编排器演化为 AI Agent 的"操作系统" - AI Agent 是基础设施的主要消费者 - MCP（Model Context Protocol）工具认证 + 用户身份管理是 2026 新挑战

可信度判断：中高——技术博客，2026-04-28 有明确日期，工程洞察有价值

后续行动：归档；关注 K8s + AI Agent 融合架构

C2. Cloud Native Database 2026 完整指南

字段	内容
URL	https://tasrieit.com/blog/cloud-native-database-2026-complete-guide
发布日期	2026-01-27

核心内容：

云原生数据库定义（2026 成熟标准）： - 水平扩展 - 自动化故障转移 - Kubernetes Operator 声明式管理 - 与现代可观测性栈集成

向量数据库选型（自托管场景）：

数据库	最佳场景	核心优势
Qdrant	起步首选	Rust 单二进制，sub-30ms，$0/vLLM
Weaviate	多租户合规	物理索引隔离，BM25+向量混合搜索
Milvus	十亿向量企业级	GPU CAGRA 索引，水平扩展，Salesforce/字节实践
Vald	K8s 原生	NGT 算法，异步自动索引，自愈
pgvector	轻量入门	PostgreSQL 扩展，足够小规模

决策树（选型建议）： - 小规模/个人项目 → Qdrant - 多租户合规 → Weaviate - 100M+ 向量 + K8s 团队 → Milvus - 已有 PostgreSQL → pgvector

可信度判断：中高——工程指南，信息全面，有具体决策树

后续行动：归档；作为向量数据库选型决策参考

C3. What's Changing in Vector Databases 2026（DEV Community）

字段	内容
URL	https://dev.to/actiandev/whats-changing-in-vector-databases-in-2026-3pbo
发布日期	2026-02-17，2026-03-04 编辑

核心洞察：

市场转向： - "use Pinecone" → "we can build this on PostgreSQL" - 云端向量数据库趋势：向量搜索内置到关系数据库成标准实践 - 自托管场景增长：离线/气隙环境的需求增加

2026 决策框架： - 性能目标 vs 规模 vs 成本模型 vs 现有技术栈 vs 合规要求

2026 边缘部署趋势： - 监管行业需要边缘计算（数据主权 + 超低延迟） - 向量数据库在边缘的选项仍然有限

可信度判断：中高——DEV Community 技术社区，2026-02 有编辑记录

后续行动：归档；与上午报告中的向量数据库选型合并

C4. KubeCon + CloudNativeCon EMEA 2026 预告（VMware Blog）

字段	内容
URL	https://blogs.vmware.com/cloud-foundation/2026/02/24/bringing-cloud-native-and-ai-ready-innovations-to-the-cncf-community
活动	KubeCon + CloudNativeCon EMEA 2026，2026-03-23~26，阿姆斯特丹

Demo Theater 议题（7 things to run production AI on K8s）： - 模型仓库和推理网关 - 向量数据库（规模限制、模型类型、调度） - MCP 工具认证和用户身份管理 - 在非"自由放任"环境中保护 AI 工作负载

可信度判断：高——VMware 官方博客，活动预告信息准确

后续行动：归档；KubeCon 2026 议题列表值得会后整理

C5. Backup and Recovery for Vector DBs on Kubernetes（Kanister + CNCF）

字段	内容
URL	https://www.cncf.io/blog/2024/10/29/backup-and-recovery-for-vector-databases-on-kubernetes-using-kanister
发布	CNCF Blog（2024-10-29）
工具	Kanister（Kubernetes 数据管理框架）

核心内容： - 使用 Kanister 框架为 Kubernetes 上的向量数据库（Milvus、Qdrant 等）提供声明式备份和灾难恢复 - CNCF 项目，有生产实践案例

可信度判断：高——CNCF 官方博客，项目级工程文档

后续行动：归档；作为云原生向量数据库运维 checklist 参考

四、Substack 精选 · Sebastian Raschka 2026 上半年论文列表

S1. "LLM Research Papers: The 2026 List（Jan-May）" — Sebastian Raschka

字段	内容
URL	https://magazine.sebastianraschka.com/p/llm-research-papers-2026-part1
作者	Sebastian Raschka（AI 科研领域知名作者，Lightning AI）
发布日期	2026-06（持续更新）

文章特点： - 2026 年 1-5 月论文精选，按 10 大类别组织 - 不求全，只求有用（Raschka 原文："This is not a complete list"） - 每个类别只列出 Raschka 本人实际读过或认真浏览过摘要的论文 - 适合作为高质量论文的第一道过滤器

10 大类别：

类别	代表条目	备注
Architecture and Model Design	Nemotron 3 Super（Mamba-2 混合架构）, Mamba-3, Gated DeltaNet-2	混合架构是 2026 年主流
Efficient Training and Scaling	-	-
Inference Efficiency and KV Cache	-	重点关注
Sparse Attention and Long Context	NSA（DeepSeek V3.2）, GatedDeltaNet	稀疏注意力工程落地
Reasoning and Test-Time Compute	-	-
Reinforcement Learning and RLVR	-	-
Agent Systems and Tool Use	-	-
Coding Agents and Software Engineering	-	-
Diffusion Language Models	-	-
Model Evaluation and Benchmarks	-	-

Must-Read 推荐（Raschka 原话）：

"Nemotron 3 Super，因为论文非常详细（no pun intended），描述了已经落地的生产模型技术。而且是同规模中最好的模型之一。"

Nemotron 3 Super 核心亮点： - 混合架构：Mamba-2（状态空间层）+ Regular Attention 层交替 - 128K 上下文高效处理（对 Agent 场景关键） - MoE + 混合架构联合设计 - 多 Token Prediction 用于推测解码 - NVFP4 训练 vs BF16 对比

Qwen3.6 也是同类混合架构： - 用 GatedDeltaNet 替代 Mamba-2 - Raschka 在 LLM Architecture Gallery 有专项整理：https://sebastianraschka.com/llm-architecture-gallery/hybrid-attention/

可信度判断：高——Raschka 是 AI 科研领域高影响力作者，整理质量一贯优秀

后续行动： - 🔴 精读Nemotron 3 Super（arXiv 2604.12374）；整理混合架构知识图谱 - 🔴 追踪 Qwen3.6 架构（混合 GatedDeltaNet vs Mamba-2） - 🟡 补充 Raschka 的 Hybrid Attention 页面到知识库书签 - 🟢 定期追踪该 Substack 的 2026 下半年列表

五、综合分类标签

标签	对应条目
`arXiv-VLDB2026`	D1, D2, D3
`arXiv-SIGMOD2026`	D4, D7, D8
`PVLDB`	D1
`SIGMOD`	D4, D7, D8
`Vector-Search`	D1, D4, C2, C3
`ML-for-Systems`	D2, D6, D7, D8
`CPU-GPU-CoProcessing`	D1
`Learned-Quer-Optimizer`	D6, D7, D8
`LLM-Inference-Engine`	B1, B2
`vLLM`	B1, B2, B3, B4
`SGLang`	B3, B4
`TensorRT-LLM`	B3, B4
`TGI-Maintenance`	B3
`Bug-Analysis`	B1
`Speculative-Decoding`	（来自上午报告）
`KVCache`	（来自上午报告）
`Cloud-Native`	C1, C2, C3, C4, C5
`Kubernetes`	C1, C3, C5
`Vector-DB`	C2, C3, C5
`Milvus`	C2, C5
`Qdrant`	C2
`Weaviate`	C2
`KubeCon`	C4
`CNCF`	C5
`Kanister`	C5
`Sebastian-Raschka`	S1
`Hybrid-Architecture`	S1（Nemotron 3, Qwen3.6）
`Mamba`	S1
`GatedDeltaNet`	S1
`MoE`	S1
`AI-Agent`	C1
`RAG`	C1

六、建议写入路径

/shared/research-kb/inbox/jay/2026-06-16-afternoon-database-backend-cloudnative-inference.md

建议主题页更新： - topics/inference-engines-vllm-sglang.md：补充 B1（推理引擎 bug 分析）、B3（TGI 维护模式）、B4（2026 选型矩阵） - topics/database-ml-systems.md：补充 D1-D8（VLDB/SIGMOD 2026 论文链） - topics/vector-search-infrastructure.md：补充 C2/C3（2026 向量数据库选型 + 演进趋势） - topics/cloud-native-k8s-ai-ml.md：补充 C1（K8s as Agentic OS）、C4（CNCF KubeCon 2026）

建议精读（优先级排序）： 1. 🔴 B1（arXiv 2506.09713）：LLM 推理引擎 Bug 系统分析，ACM TOSEM 录用 2. 🔴 S1：Sebastian Raschka 2026 上半年论文精选列表（Nemotron 3 Super + Qwen3.6 架构） 3. 🔴 B2：vLLM 官方 Anatomy Blog（vLLM 系统架构核心文献） 4. 🟡 D1（2601.08528）：SVFusion CPU-GPU 协同向量搜索 5. 🟡 C1：Kubernetes in 2026 AI Agents + RAG 陷阱

七、与今日已有报告的差异化说明

已有报告	本次新增（不重叠）
`noon-github-trending`（GitHub Trending + KVCache 五时代）	arXiv 数据库论文链（8 条）+ TGI 维护模式 + TOSEM Bug 分析
`noon-engineering-filter`（DFlash + Flash-KMeans + WWDC）	VLDB/SIGMOD 2026 论文 + Sebastian Raschka Substack + K8s Cloud-Native 深度报告
两者均有	vLLM/SGLang/TRT-LLM 对比（上午有，本报告有补充 TGI 退出 + TOSEM bug 数据）

本报告由 Jay 实例（2026-06-16 11:05 UTC+8）自动生成。仅做摘要、评价和链接引用，不复制原文。