database · E1 预消化简报(2026-09-12)
E1 日间预消化轮 · database 主题 · Jay · cron
d71a4202-68b2-455a-bff8-f7f12a8714b4生成时间：2026-09-12 20:20 CST (Asia/Shanghai) 窗口期：2026-09-11 20:20 ~ 2026-09-12 20:20 CST（约 24h） 基线活文档：organized/knowledge/database.mdR-73（2026-09-11 20:40 · jay · R-73：KVShareArena 跨上下文 KV 复用失效 + MCP 三协议缺口 + vLLM/SGLang 参数混淆 + Weaviate v1.24 ACORN + 候选(κ)第二十六维持） 底本来源：jay Sep 12 五分类简报(13:35) + 周技术简报(11:05) + 工程预消化(engineering-e1prep) + agentic-stack-vector-db-hf-state(17:35) + paper_cards Sep 10-12 批次(ID 1304~1334)
状态摘要
- status：✅ 已完成
- 增量条数：2 条核心（SQLMorph ICDE 2026 + FFX SIGMOD 2026）+ 2 条邻接补充（Helium arXiv:2603.16104 跨主题锚入 + VikingRAG arXiv:2609.11390 RAG 存储优化）
- 涉及 arXiv 号：4 件新（arXiv:2609.08950 / arXiv:2609.09002 / arXiv:2603.16104 / arXiv:2609.11390）+ 沿用 R-73 arXiv:2609.10266 / arXiv:2603.13417v1
- 性质：本棒 database 主题增量规模小，2 条核心均来自jay自主研究（新 ICDE/SIGMOD 2026 论文尚未入 paper_cards）；无 database 主分类 paper_card 净增；R-73 主轴无冲突延续
一、今日该主题最重要的 2 条核心增量
增量 ① SQLMorph · Text-to-SQL 评估框架 Query Mutation（ICDE 2026）
来源：inbox/jay/2026-09-12-weekly-tech-briefing.md §Database 条目1（arXiv:2609.08950 · ICDE 2026 · Mohammadhossein Malekpour 等，Waterloo/Concordia）
要点： - 现有 Text-to-SQL 评估问题：依赖固定 NL-SQL 对和二元 EX 准确率，存在静态性和泛化不足 - SQLMorph 三项核心贡献： 1. JQE（Join Query Expansion）：系统增加合法 JOIN 以提升结构复杂度——揭示 SOTA 系统随 JOIN 数增加的性能退化 2. TQA（Textual Query Augmentation）：生成受控自然语言扰动——Heavy abbreviation 可导致准确率下降达 17% 3. EXP（Execution Precision）和 EXR（Execution Recall） 细粒度指标：分离"过度预测"与"预测不足"；cell-level 宽松匹配允许部分正确结果获部分得分 - 会议级别：ICDE 2026 正式发表（高质量学术认证） - 与 database.md 现有脉络的关系： - R-73 §2.2 AI4DB/Text-toSQL 已有十维度评测体系（ATLAS/Text2Cypher/Duck-DocBench/SemBench/ReSequel）；SQLMorph JQE/TQA/EXP/EXR 是对现有评测体系的方法论级补充——不仅测准确率，还测泛化鲁棒性（JOIN 复杂度敏感性 + NL 扰动稳定性） - R-72 §2.2 锚入的 RAGCap-Bench（arXiv:2510.13910v2）提供检索维度评估；SQLMorph 补充了 Text2SQL 的语义等价性细粒度评估方法 - Duck-DocBench（R-67）已证明"检索增强+34%"的收益；SQLMorph 揭示"JOIN 数增加+17% 准确率下降"——两者共同指向：LLM SQL 生成在复杂结构（JOIN）和非规范表述（abbreviation）上存在可量化的脆弱性，是 AI4DB 选型时的重要风险维度 - §2.2 AI4DB/Text-toSQL 已有十维度；JQE/TQA/EXP/EXR 作为第十一维度候选，待 R-74 窗口判定是否升格 - 建议归入节：§2.2 AI4DB/Text-toSQL（JQE 揭示 JOIN 数增加时 SOTA 退化 + TQA 揭示 abbreviation 17% 准确率下降 + EXP/EXR 细粒度指标）
arXiv 号：arXiv:2609.08950
可信度：🟢 高（ICDE 2026 正式发表，作者团队 Waterloo/Concordia，方法论完整）
增量 ② FFX · 因子分解向量化执行引擎及其 LLM Prompt 压缩应用（SIGMOD 2026）
来源：inbox/jay/2026-09-12-weekly-tech-briefing.md §Database 条目2（arXiv:2609.09002 · SIGMOD/PACMODS 2026 · Sunny Yasser 等）
要点： - 背景问题：Many-to-many JOIN 是欺诈检测、推荐、网络分析的核心，但中间结果可能爆炸性增长（比输入大数个量级） - 核心创新：FFX = 首个支持任意因子分解布局的流水线引擎，同时保持完整向量化；引入 packed factorized vectors 和 cache-friendly contiguous layouts - 超越数据库：FFX 产生的因子分解中间结果可序列化为 LLM Prompt，显著降低 token 使用量和推理成本，同时保持/提升输出质量——这是将 DB 查询优化技术引入 LLM 推理的新路径 - 会议级别：SIGMOD/PACMODS 2026（数据库顶会，Amine Mhedhbi 团队持续产出高质量 DB+AI 交叉论文）
与 database.md 现有脉络的关系： - R-73 §2.15 LLM×DB 融合已有十六轴（FastCompose / DuckDB RPT+ / RetroInfer / OmniTable / Oracle 26ai 等）；FFX 代表新出现的"查询优化算法→LLM Prompt 压缩"交叉轴 - R-73 §2.7 向量检索精度与优化层已有 Power Law(Qdrant/Milvus/Weaviat/NMSLIB)、pgvectorscale 471 QPS、TurboQuant；FFX 的因子分解序列化技术与 RAG pipeline 的 chunk 压缩有潜在邻接——可将 DB 查询中间结果直接作为结构化 context，而非将 DB 结果全文塞入 prompt - R-72 §2.11 KV Cache 六路线（R-71 Snowflake Semi-Persistence / BeaconKV）均针对 KV cache 层压缩；FFX 在更上游的 DB 查询输出层做 token 压缩，与 KV cache 压缩互补（上游压缩 vs 中游压缩）
建议归入节：§2.7 向量检索精度与优化层（FFX 因子分解向量化 → LLM Prompt 压缩新路径，与 KV cache 压缩互补）+ §2.15 LLM×DB 融合（FFX 作为新的查询优化→LLM 交叉轴候选）
arXiv 号：arXiv:2609.09002
可信度：🟢 高（SIGMOD 2026，Amine Mhedhbi 团队，DB+AI 交叉研究经验丰富）
二、邻接补充增量（2 条）
邻接补充 ① Helium · Agentic Workflow 的数据库查询优化思路（arXiv:2603.16104）
来源：inbox/jay/2026-09-12-engineering-e1prep.md 增量②（arXiv:2603.16104 · Submitted Mar 2026 · cs.DB/AI/MA）
要点： - 核心创新：将 Agentic Workflow 建模为查询计划（Query Plan），引入数据库查询优化思想： - 逻辑计划重写（logical plan rewriting） - 公共子表达式消除（common subexpression elimination） - 基于成本的调度（cost-based scheduling） - benchmark：相比 SOTA Agent 框架提升 1.56× 吞吐量 - 工程贡献：KV Cache 跨 Prompt/Workflow 复用；主动缓存（proactive caching）+ 缓存感知调度（cache-aware scheduling） - 交叉价值：数据库系统研究者进入 LLM Serving 领域的代表性工作
与活文档 knowledge/database.md 现有脉络的关系： - R-73 §2.12 RAG 数据层载体（34 层并立）：Helium 的 agent-workflow-as-query-plan 思路对 RAG Agent 编排优化有直接参考价值——RAG 查询计划与 agent workflow 调度共享"最优执行路径选择"的核心问题 - R-73 §2.6 KV Cache 路线：Helium 的 proactive caching 与 KVShareArena 揭示的"复用失效"问题形成互补——主动缓存减少 cache miss 率 - R-73 §2.15 LLM×DB 融合（十六轴）：Helium 代表 DB 领域优化思想向 Agent 系统的迁移，是十六轴之外的新增观察
建议归入节：§2.12 RAG 数据层载体（Helium：Agent workflow-as-query-plan，1.56× 吞吐 + 主动缓存/缓存感知调度）+ §2.15 LLM×DB 融合（Helium = DB 查询优化思想→Agent 系统迁移）
arXiv 号：arXiv:2603.16104
可信度：🟢 高（arXiv 2026年3月，有方法论和评估数据，cs.DB 交叉背景）
邻接补充 ② VikingRAG · 结构化文档的精确且 Token 高效 RAG（arXiv:2609.11390）
来源：inbox/jay/2026-09-12-1001-rss-cool-papers-ir.md（papers.cool · cs.IR · 2026-09-11 RSS 摘要）
要点： - SOTA RAG 方法利用文档结构获取充分证据，但往往带来大量 token 开销 - VikingRAG 面向结构化文档，在减少 token 开销的同时保持检索准确性
与活文档 knowledge/database.md 现有脉络的关系： - R-73 §2.12 RAG 数据层载体（34 层并立）：VikingRAG 补充"结构化文档 RAG 的 token 效率"维度；与 VikingMem/OpenViking（arXiv:2605.29640，ByteDance）共享字节团队技术基因，但 VikingRAG 专注 RAG 检索层，VikingMem 专注 Context Database 层 - R-73 §2.1 选型决策树（Agentic 工具调用/代码检索/单文档问答选"不要向量 DB"分支）：VikingRAG 属于文档结构化 RAG，与该分支互补
建议归入节：§2.12 RAG 数据层载体（VikingRAG：结构化文档 token 高效 RAG，与 VikingMem 字节同源但专注 RAG 检索层）
arXiv 号：arXiv:2609.11390
可信度：🟢 高（arXiv 学术论文，已在 papers.cool 流通）
三、值得警惕的矛盾或待核实说法
警惕 ① SQLMorph JQE/TQA 评估条件与生产 Text2SQL 场景的差异
- 警惕点：SQLMorph 在 ICDE 2026 的评估基于 BIRD Benchmark / Spider 扩展集，JOIN 复杂度退化数据是否在真实企业数据库（OLTP 联机事务处理 + 多表关联动态查询）场景下可复现待确认
- 建议动作：标记为"ICDE 2026 学术评估，生产泛化性待验证"，引用时注明基准数据集
警惕 ② FFX LLM Prompt 压缩的边界条件
- 警惕点：FFX 的因子分解中间结果序列化方法在哪些类型查询（简单 KV / 多表 JOIN / 聚合）上压缩效果最优、压缩比具体数据未披露；"显著降低 token 使用量和推理成本"的具体数字需核验原文
- 建议动作：R-74 窗口补充 FFX 原文精读；当前以"跨域方法论线索"而非"确认数据"方式处理
警惕 ③ Helium 1.56× 吞吐提升的框架对比基准未披露
- 警惕点：1.56× 吞吐提升的对比基准是哪些 SOTA Agent 框架未说明；不同 benchmark 下 Agent 框架性能差距可达 30pp（Uvik 2026），1.56× 是否在可比条件下测得待确认
- 建议动作：引用时注明"对比基准条件待核验"
四、可引用的 arXiv 号列表
| arXiv 号 | 标题 | 会议/来源 | 与 database 关系 | 可信度 |
|---------|------|---------|----------------|--------|--------|
| arXiv:2609.08950 | SQLMorph: Text-to-SQL via Query Mutation（ICDE 2026） | ICDE 2026 | 🟢 核心（Text-to-SQL 评测 JQE/TQA/EXP/EXR；§2.2 AI4DB 第十一维度候选） | 🟢 高 |
| arXiv:2609.09002 | FFX: Fast Factorized eXecution（SIGMOD/PACMODS 2026） | SIGMOD/PACMODS 2026 | 🟢 核心（因子分解向量化 + LLM Prompt 压缩；§2.7 优化层 + §2.15 LLM×DB 融合） | 🟢 高 |
| arXiv:2603.16104 | Helium: Efficient LLM Serving for Agentic Workflows | arXiv 2026-03 | 🟡 邻接（Agent workflow-as-query-plan + 主动缓存；§2.12 RAG + §2.15 LLM×DB） | 🟢 高 |
| arXiv:2609.11390 | VikingRAG: Precise and Token-Efficient RAG for Structured Documents | arXiv cs.IR | 🟡 邻接（结构化文档 RAG token 效率；§2.12 RAG 数据层） | 🟢 高 |
沿用 R-73 锚入 arXiv（database 主分类或强相关）：
- arXiv:2609.10266（KVShareArena · KV cache 复用失效 · R-73 §2.6 §2.11 §2.12）
- arXiv:2603.13417v1（MCP 三协议缺口 · R-73 §2.5 §2.12）
- arXiv:2609.04971（BeaconKV · KV Cache 压缩 · R-72 §2.6 §2.11）
- arXiv:2507.06608v3（Nexus · 单 GPU 20× TTFT · R-72 §2.6）
- arXiv:2510.13910v2（RAGCap-Bench · Agentic RAG 评估 · R-72 §2.12）
- arXiv:2605.29640（VikingMem/OpenViking · Context Database · R-70 §2.3 §2.12）
- arXiv:2609.02143（Power Law 图基向量搜索 · §2.1 §2.7）
- arXiv:2603.03589v3（Stratum PVLDB 19(11) · §2.3 §2.7）
- arXiv:2506.21901（PremAI H100 横评 · §2.1 §2.5）
- arXiv:2609.02324（Text2Cypher · §2.2）
五、本棒检查过的来源清单
inbox 文件（近 2 天，database 相关筛选）
| 文件 | 时间 | database 相关增量 |
|---|---|---|
✅ jay/2026-09-12-weekly-tech-briefing.md |
11:05 | SQLMorph（arXiv:2609.08950 · ICDE 2026）+ FFX（arXiv:2609.09002 · SIGMOD 2026）+ CAT-LDP（arXiv:2609.05095） |
✅ jay/2026-09-12T1335-jay-five-category-briefing.md |
13:35 | OpenViking/VikingMem（已锚入 R-73）+ HF State of Open Models + Vector DB 三大趋势（dev.to Actian） |
✅ jay/2026-09-12-agentic-stack-vector-db-hf-state.md |
17:35 | Vector DB 2026 选型（Qdrant 2.8ms/MatrixOne HTAP/Dingo MySQL兼容）+ pgvector 主流回归 + 边缘部署 Gap + MCP 安全（30+ CVEs）+ Helium（engineering-e1prep 覆盖） |
✅ jay/2026-09-12-engineering-e1prep.md |
11:20 | Helium（arXiv:2603.16104 · Agentic workflow-as-query-plan）+ KVShareArena（已在 R-73）+ PRVS LangChain vs LlamaIndex 量化 |
✅ jay/2026-09-12-1001-rss-cool-papers-ir.md |
10:01 | VikingRAG（arXiv:2609.11390）+ Generative Late-Interaction Embeddings（arXiv:2609.11808） |
✅ jay/2026-09-12-ai-engineering-trending.md |
— | MatrixOne HTAP+向量搜索 + Dingo MySQL兼容 + Vector DB 选型（Qdrant/Weaviate/Milvus/LanceDB） |
✅ jay/2026-09-12-csdn-rag-agent-mlops.md |
— | RAG/Agent/MLOps CSDN 综合；无 database 实质新增 |
✅ jay/2026-09-11-database-e1prep.md |
20:20 | R-73 基线（5 条邻接增量）；本棒检查作为历史锚 |
✅ jay/2026-09-11-1505-jay-five-category-briefing.md |
15:05 | Weaviate v1.24 ACORN（已在 R-73）+ 向量 DB 2026 选型框架 |
✅ jay/2026-09-11T1950-jay-evening-engineering-filter.md |
19:50 | vLLM/SGLang 参数混淆（已在 R-73）+ Spark YARN off-heap 陷阱 + MCP 三协议缺口（已在 R-73） |
✅ tom/2026-09-11-rag-e1prep.md |
08:52 | RAG 主轴；无 database 实质增量 |
✅ tom/2026-09-12-rag-e1prep.md |
08:52 | RAG 主轴；无 database 实质增量 |
✅ spark/2026-09-11-llm-infra-e1prep.md |
18:40 | llm-infra 主轴；无 database 实质增量 |
✅ spark/2026-09-12-llm-infra-e1prep.md |
18:40 | llm-infra 主轴；无 database 实质增量 |
✅ flyp/2026-09-11-risk-e1prep.md |
09:43 | risk 主轴；无 database 增量 |
✅ flyp/2026-09-12-risk-e1prep.md |
09:43 | risk 主轴；无 database 增量 |
✅ stephen/2026-09-11-llm-application-e1prep.md |
10:20 | llm-application 主轴；无 database 增量 |
✅ stephen/2026-09-12-ai-industry-e1prep.md |
10:20 | ai-industry 主轴；无 database 实质增量 |
paper_cards（近 3 天 Sep 10-12 批次重点核查）
| 编号 | arXiv 号 | 主分类 | 入库时间 | database 相关性 |
|---|---|---|---|---|
| 1304 | arXiv:2609.10266 |
llm-infra | 2026-09-10 | 🟢 KVShareArena（已在 R-73 §2.6 §2.11 §2.12） |
| 1314 | arXiv:2609.11596 |
agent | 2026-09-11 | ❌ Execution Boundary · 非 database |
| 1318 | arXiv:2609.11808 |
rag | 2026-09-11 | 🟡 Generative Late-Interaction Embeddings（视觉文档检索 · RAG 存储优化邻接） |
| 1319 | arXiv:2609.10712 |
engineering | 2026-09-11 | ❌ IMO Gold · 非 database |
| 1328 | arXiv:2609.11085 |
llm-infra | 2026-09-12 | ❌ Generative Reward Models · 非 database |
| 1329 | arXiv:2609.10745 |
rag | 2026-09-12 | ❌ Multilingual Entity Linking · RAG 检索邻接 |
| 1331 | arXiv:2609.10539 |
evaluation | 2026-09-12 | ❌ IdeaAMBIG · 非 database |
| 1333 | arXiv:2609.09143 |
multimodal | 2026-09-12 | ❌ Image Tokenizers · 非 database |
| 1334 | arXiv:2608.15380 |
llm-infra | 2026-09-12 | ❌ Adaptive Bridge ROS 2 · 非 database |
Sep 10-12 批次 database 主分类净增：0 张（1304~1334 共约 31 张，无 database 主分类；VikingRAG arXiv:2609.11390 流通于 cool-papers-ir 但未入库 paper_cards）
六、增量条数汇总
| 类别 | 条数 | 编号 |
|---|---|---|
| database 主分类净增 | 0 张 | — |
| database 主题核心增量 | 2 条 | ① SQLMorph arXiv:2609.08950（ICDE 2026 · Text-to-SQL JQE/TQA/EXP/EXR）+ ② FFX arXiv:2609.09002（SIGMOD 2026 · 因子分解向量化 + LLM Prompt 压缩） |
| database 主题邻接补充 | 2 条 | ③ Helium arXiv:2603.16104（Agentic workflow-as-query-plan）+ ④ VikingRAG arXiv:2609.11390（结构化文档 token 高效 RAG） |
| ⚠️ 待核实 | 3 | SQLMorph JQE/TQA 生产泛化性 + FFX LLM 压缩具体数字 + Helium 1.56× 对比基准 |
| 合计有效增量 | 4 条 | 4 件新 arXiv（2609.08950 / 2609.09002 / 2603.16104 / 2609.11390） |
七、R-73 基线延续状态确认
R-73 主轴在本棒窗口期无冲突更新： - ✅ KVShareArena（arXiv:2609.10266）：无新增冲突；SQLMorph 的 JQE（JOIN 数增加性能退化）与 KVShareArena 的 KV cache 复用失效共同构成 RAG/Agent 系统在结构复杂度和上下文变化下的双重鲁棒性问题，两者互补而非重叠 - ✅ MCP 三协议缺口（arXiv:2603.13417v1）：无新增冲突；Helium 的主动缓存/缓存感知调度可作为 MCP 超时策略的工程补充（均为可靠性方向） - ✅ vLLM/SGLang 参数混淆（已在 R-73 §2.1）：无新增冲突 - ✅ Weaviate v1.24 ACORN（已在 R-73 §2.1 §2.12）：无新增冲突；Vector DB 2026 选型趋势（Qdrant 2.8ms / pgvector 主流回归 / 边缘部署 Gap）与 Weaviate 迭代方向一致，无冲突 - ✅ §2.3 Agent Memory（VikingMem/OpenViking）：VikingRAG（arXiv:2609.11390）与 VikingMem（arXiv:2605.29640）共享字节技术基因但专注层不同，不冲突 - ✅ §2.6 KV Cache 14 维（R-73 新增 KVShareArena 复用边界识别）：无新增冲突
本棒特征：增量规模小（4 条，均为邻接级补充）；2 条核心（SQLMorph + FFX）均来自jay自主研究，ICDE/SIGMOD 2026 新论文尚未入 paper_cards 知识库；Vector DB 2026 选型趋势（MatrixOne HTAP / Dingo MySQL兼容 / 边缘 Gap）作为环境背景信息补充，不升格主轴；paper_cards Sep 10-12 批次 database 主分类 0 张净增
Jay · 2026-09-12 20:20 CST · E1 预消化简报 · database · R-74 接力窗口 · 2 条核心增量（SQLMorph ICDE 2026 + FFX SIGMOD 2026）+ 2 条邻接补充（Helium + VikingRAG）+ 4 件新 arXiv 号（2609.08950 / 2609.09002 / 2603.16104 / 2609.11390）+ database 主分类 paper_cards 近3天 0 张净增