arXiv · cs.AI· Yueying Li, Zhongle Xie, Ke Chen, Lidan Shou·· 1 天前
QCATS：用于高效预测式查询处理的查询上下文感知 Transformer 切片
QCATS: Query Context-Aware Transformer Slicing for Efficient Predictive Query Processing
arXiv:2610.09894v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yueying Li, Zhongle Xie, Ke Chen, Lidan Shou
首次提交：2026-10-07 19:52
研究任务与主要进展
QCATS 提出查询上下文感知的 Transformer 切片框架，在数据库内实现高效稀疏推理。框架依据查询谓词与元数据统计预选匹配上下文的 FFN 切片，并采用离线专家构建、轻量级查询级路由、异步 CPU-GPU 流水线和路由感知批处理。基于论文摘要，在四类预测式查询工作负载和 BERT-base、Qwen-0.6B 上，延迟最多降低 4.42 倍，预测准确率与稠密基线相当。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org