database · E1 预消化简报(2026-08-18)

预消化轮次，为今晚活文档接力提供增量备料。本轮次低密度：2 条实质增量（含 1 条顶会级新卡） + 若干工程选型邻接补充。延续 R-40 以来的 commoditization 主叙事 + 顶会 VLDB/SIGMOD 2026 数据库系统季后续追踪。R-40 基线（3 条实质，TEngineDB-V / Filtered Vector Search / Agentic Transaction）已完整。

一、今日实质增量（2 条）

增量 1｜ACME：新兴数据库系统的自动化子句映射引擎（FSE 2026）★实质

来源： - jay/inbox/2026-08-18T1105-jay-five-category-briefing.md §1 Database §1（Jay · 2026-08-18 11:05） - FSE 2026 正式接收论文（Yuancheng Jiang, Jianing Wang, Chuqi Zhang, Roland H. C. Yap, Zhenkai Liang, Manuel Rigger · NUS）

arXiv：待查（论文尚未在 arXiv 公开，FSE 2026 预印本渠道；本文引用 FSE 2026 程序页面 conf.researchr.org/track/fse-2026/fse-2026-research-papers）

TLDR（来源：Jay five-category-briefing 整理）： ACME 针对新兴数据库系统（尤其是 SQL/接口兼容层）设计自动化测试框架。核心贡献是"子句映射"——将 SQL 语句的语义等价性映射到不同数据库引擎的执行路径，用于发现跨引擎语义不一致性。在 PolarsDuckDB、DataFusion、QuestDB 等新兴 OLAP 数据库上有明显发现率。

要点： - 核心问题：新兴数据库（Polars/DuckDB/DataFusion/QuestDB 等）与标准 SQL 或老牌引擎（PostgreSQL/MySQL）之间的语义不一致性难以发现——同一 SQL 语句在不同引擎可能返回语义等价但数值有差异的结果 - 核心方案：子句映射引擎（clause mapping engine）——将 SQL 语句的结构化子句映射到各引擎的执行路径，对比语义一致性 - 发现能力：在 PolarsDuckDB、DataFusion、QuestDB 等新兴 OLAP 引擎上均有明确发现（bug 检出） - 定位：数据库测试/质量保障工具链，不是向量库或存储引擎，但属于 AI 重塑数据库工程工具链的一环

分析意义：这是数据库工程工具链的顶会级工作（FSE 2026），与 R-34~R-40 的"AI 重塑数据库内核"七轴叙事形成互补：七轴中（α）自治调优 /（β）存储代码合成 /（γ）系统性模糊测试均属 DB 内部工程，ACME 的跨引擎语义一致性测试填补了数据库迁移测试与质量保障这一第四象限。

与 knowledge/database.md 现有脉络的关系： - 补充 §2.x AI 重塑数据库工程工具链（与 DIRT arXiv:2604.16373 系统性模糊测试互补——DIRT 聚焦 DB 内部 B-tree bug，ACME 聚焦跨引擎 SQL 语义一致性） - 与 R-40 §2.1 选型决策树形成边缘关联：新兴 OLAP 引擎（PolarsDuckDB/DataFusion）与 pgvector 路径的选型比较，需要语义一致性验证工具 - 暂定归入 §2（AI 重塑数据库内核七轴补强·工程工具链第四象限）

建议归入章节：§2（AI 重塑数据库内核·七轴工程工具链补强）——新增 ACME 跨引擎语义一致性测试，标注 FSE 2026 顶会锚点

增量 2｜Can AI Agents Answer Your Data Questions? 数据 Agent 基准（Benchmark for Data Agent）★实质

来源： - jay/inbox/2026-08-08T1105-jay-five-category-briefing.md §1 Database §2（Jay · 2026-08-18 11:05） - arXiv:2603.20576v1（cs.DB）· UC Berkeley RISE Lab + Hasura · 2026-03-21

arXiv：2603.20576v1

TLDR（来源：Jay five-category-briefing 整理）： UC Berkeley RISE Lab 联合 Hasura 发布的 Data Agent 评测基准，评估 AI Agent 是否能准确回答数据相关问题（通过自然语言查询数据库）。对标 Cortex aisql、Palimpzest 等系统。核心发现：当前数据 Agent 在简单 CRUD 查询上表现尚可，但涉及跨表连接、子查询优化、多跳推理时失败率显著上升。

要点： - 核心问题：Text-to-SQL / Data Agent 的评测缺乏系统性基准；现有评测多在小规模单一数据库，无法反映生产级多表跨库场景 - 评测范围：自然语言 → 数据库查询（NL to SQL/DB），覆盖 CRUD / 跨表连接 / 子查询优化 / 多跳推理 - 关键发现：数据 Agent 在简单 CRUD 上表现尚可 → 跨表 JOIN / 子查询优化 / 多跳推理失败率显著上升 - 与 §2.2 AI4DB / Text-to-SQL 的关系：BIRD / Spider 2.0 / ReViSQL 等已有评测体系侧重 Text-to-SQL 准确率，本文补充的是完整 Agent 场景——不仅是 query 生成，还包括执行、纠错、多轮对话等 - 数据集已开源：评测数据集和完整方法论已在 GitHub/arXiv 公开

分析意义：这是 AI4DB/Text-to-SQL 领域的首个数据 Agent 专用基准，填补了"Text-to-SQL 模型评测"到"Data Agent 生产可用性评测"之间的空白。定位与 §2.2 现有体系（BIRD / Spider 2.0 / ReViSQL）形成纵向深化：准确率导向 → 任务完成度导向。

与 knowledge/database.md 现有脉络的关系： - 直接补强 §2.2 AI4DB / Text-to-SQL——新增"数据 Agent 专用基准"条目，与 BIRD / Spider 2.0 / ReViSQL 形成评测体系三级跳（模型 Text-to-SQL → Agent 任务完成度 → 语义一致性） - 与 R-40 §2.2 现有脉络（R-37~R-40 持续叠加）形成纵向深化 - 建议同时归档至 RAG §2.2（若 RAG 活文档有 Agent × DB 交叉内容）

建议归入章节：§2.2（AI4DB / Text-to-SQL）——新增"数据 Agent 基准 arXiv:2603.20576 · Berkeley RISE Lab + Hasura · 跨表 JOIN/多跳推理失败率显著上升）

二、低密度说明：检查过但无实质新增的来源

以下来源经核查，本轮无 database 实质新增，仅标注供参考：

三、待跟进条目（R-41 基线确认 + R-40 未核实项）

持续追踪｜CK（arXiv:2608.11632）★ 回看窗口 2026-08-20

R-40 设定的 1 周回看窗口为 2026-08-20（今天 8/18，距窗口还有 2 天）。R-41 需在此窗口触发时给出正式判定。当前状态：候选级中档 ★★，实证评估 1 周内未公开。回看时需核实：GitHub 代码 / 生产系统实现 / 同行评审反馈。

持续追踪｜TEngineDB-V VLDB 2026 版本确认

R-41 需确认：VLDB 2026 的 TEngineDB-V 论文是否获得独立 arXiv 号（区别于 R-38 的 arXiv:2608.00650）。来源（Jay 8-17 afternoon synthesis）引自 VLDB 2026 清华李国良组，目前无独立 arXiv 可引用。

持续追踪｜Filtered Vector Search SIGMOD 2026 测试条件

SIGMOD 2026（arXiv:2603.23710）"库级 vs 生产 DBMS 延迟差距 10×"具体测试条件（PG 版本 / 硬件配置 / 数据规模）仍未披露，选型决策时需注明条件未公开。

四、值得警惕的矛盾或待核实说法

⚠️ ACME（FSE 2026）arXiv 号待查

ACME 为 FSE 2026 正式接收论文，尚未在 arXiv 公开。引用前需从 FSE 2026 程序页面或 ACM 数字图书馆确认完整论文信息。不可直接使用"arXiv:xxxx"格式引用。

⚠️ Data Agent Benchmark（arXiv:2603.20576v1）数据集规模

论文于 2026-03-21 发布，距今约 5 个月；评测数据集是否代表当前生产级 Data Agent 场景（如复杂多租户 SaaS 数据库、大规模 ETL 管道）未经验证。引用时需注明"2026-03-21 发布，数据集截止该日期"。

五、今日涉及 arXiv 号列表

六、本轮检查来源清单

Jay inbox（2026-08-17 ~ 2026-08-18，含 database 关键词过滤）： - 2026-08-17-database-e1prep.md ✅ R-41 基线，不计入增量 - 2026-08-17T1505-jay-afternoon-synthesis-briefing.md ✅ 已归档 TEngineDB-V / Filtered Vector Search / OpenSQL / DBAIOps / Data Agent 分级 / Tytan / PLB - 2026-08-18T1105-jay-five-category-briefing.md ✅ 核心来源：ACME(FSE 2026) + Data Agent benchmark(arXiv:2603.20576) 提取为增量 - 2026-08-18-engineering-e1prep.md ✅ 工程主轴；无 database 直接新增 - 2026-08-18-ai-engineering-trending.md ✅ VectorDB benchmark 已覆盖；无 net-new database - 2026-08-18-rag-agent-csdn-review.md ✅ RAG/Agent 工程实践；已在 R-40 §2.1 覆盖 - 2026-08-18-llm-inference-engineering.md ✅ LLM 推理工程；无 database 直接新增 - 2026-08-18-1000-rss-bytebytego.md ✅ 无 database 直接新增 - 2026-08-18-1000-rss-raschka.md ✅ 无 database 直接新增 - 2026-08-18-1000-rss-simon-willison.md ✅ Qwen3.8 过度思考，归 engineering 主轴 - 2026-08-18-1001-rss-cool-papers-ir.md ✅ cs.IR 批次，无 database 直接新增 - 2026-08-18-1001-rss-cool-papers.md ✅ cs.CL 批次，无 database 直接新增 - 2026-08-18-1002-rss-lilian-weng.md ✅ Harness Engineering，无 database 直接新增 - 2026-08-18-1002-rss-import-ai.md ✅ Import AI，无 database 直接新增

其他 inbox（tom/flyp/spark/stephen，2026-08-17 ~ 2026-08-18，database 关键词过滤）： - tom/2026-08-18-rag-e1prep.md → RAG 主分类；含 ParliamentRAG(2608.13410)/RAEF(2608.14054)/QueryviaRL(2606.16817)/Search-R1 stopping(2608.13237) - tom/2026-08-18-agent-rag-longcontext-radar.md → Agent/RAG LongContext radar - spark/2026-08-18-agent-e1prep.md → Agent 主轴 - spark/2026-08-18-llm-infra-e1prep.md → llm-infra 主轴 - stephen/2026-08-18-ai-industry-e1prep.md → AI 产业新闻 - stephen/2026-08-18-0910-news-x-vip-radar.md → VIP radar

paper_cards（IDs 960~994，2026-08-15 ~ 2026-08-18 新卡）： - 960 2608.02870 Maglev(multimodal) → 无 database 关联 - 961 2608.14210 Legal RAG(rag) → 无 database 关联 - 962 2608.06914 (tag missing) → 无 database 关联 - 963 2608.14546 CPI-Bench(evaluation) → 无 database 关联 - 964 2608.14106 Forecast Collapse(evaluation) → 无 database 关联 - 965 2608.13667 Second Thought(agent) → 无 database 关联 - 966 2608.14284 PRM-as-a-Judge(evaluation) → 无 database 关联 - 967 2608.13040 Latent OPSD(agent) → 无 database 关联 - 968 2608.13606 MobileMem(evaluation) → 无 database 关联 - 969 2608.09928 Multimodal Diffing(multimodal) → 无 database 关联 - 970~994 所有 IDs → 全部为 rag / multimodal / evaluation 主分类 - database 主分类 0 张，database 邻接候选 0 张

七、密度评估与下一轮建议

本轮密度：🟡 低密度（2 条实质增量，1 条顶会级 FSE 2026）

本轮是 R-41（2026-08-17 高密度 3 条之后）的正常回落。database 主分类 paper_cards 近 3 天净增 0 张（已连续 5 轮为零），顶会论文季（SIGMOD/VLDB 2026）数据库论文尚未大规模进入 paper_card 采集漏斗——这是采集节奏问题，不代表研究热度下降。

下一轮（2026-08-19）建议关注方向： 1. CK 回看窗口（8/20）：距窗口还有 2 天；如无实证降级为候选级低档 ★ 2. SIGMOD/VLDB 2026 数据库论文批量入库：paper_card 采集漏斗是否开始处理顶会论文 3. TEngineDB-V VLDB 2026 arXiv 核实：确认是否有独立 arXiv 号 4. ACME（FSE 2026）arXiv 公开：FSE 2026 论文集是否会上传 arXiv 5. Data Agent Benchmark 后续：是否有 GitHub stars / 工业采用案例

Jay · 2026-08-18 20:20 · E1 预消化轮 database 增量：2 条实质（1 条顶会级 FSE 2026 + 1 条顶会 benchmark） 涉及 arXiv：2603.20576v1 / 2608.11632（CK 回看维持）