Группа исследователей представила систему QUITE, которая использует агентов на основе больших языковых моделей (LLM) для перезаписи SQL-запросов в семантически эквивалентные, но более производительные формы. Система, описанная в статье на arXiv.org от 2 января 2026 года, демонстрирует сокращение времени выполнения запросов до 35,8% по сравнению с современными подходами и генерирует на 24,1% больше вариантов перезаписи.
Ключевая инновация QUITE — отказ от жёстких правил перезаписи в пользу многоагентной архитектуры, управляемой конечным автоматом. Агенты LLM используют внешние инструменты и получают обратную связь от базы данных в реальном времени для проверки эквивалентности и производительности. Система также включает промежуточный слой для генерации оптимизированных запросов и технику «инъекции подсказок» для улучшения планов выполнения.
Традиционные системы оптимизации запросов полагаются на заранее определённые правила, что ограничивает их охват и адаптивность. QUITE решает три основные проблемы таких систем: сложность обнаружения новых правил, отсутствие обобщения на новые шаблоны запросов и невозможность выразить некоторые техники оптимизации в виде фиксированных правил. Подход имитирует работу эксперта-человека, но без проблем с масштабированием.
Эксперименты показали, что QUITE обрабатывает случаи запросов, которые ранее не поддавались автоматической оптимизации. Система работает без предварительного обучения и открывает путь к более гибкой и интеллектуальной оптимизации баз данных.
