用 4B 模型经智能体强化学习，查询计划比 Postgres 默认快约 81%
Rohan Bansal 详述以 Qwen 蒸馏 4B 模型做 Postgres 查询优化：经 SFT 与锚定 GRPO，在 JOB 上取得约 1.81× 几何平均加速。
独立研究者 Rohan Bansal 发布长文，介绍用约 40 亿参数开源模型，通过智能体工具调用与强化学习学习 pg_hint_plan 提示，从而改进 Postgres 连接顺序与执行计划。
流程包括：用 GPT-6 Astra 轨迹做离策略蒸馏以学会 harness，再用锚定相对默认计划的奖励做 GRPO 变体；在 Join Order Benchmark 上，三轨迹最优候选达到约 1.81× 几何平均加速，113 条查询总延迟下降约 44.7%。
文章同时详解测量噪声控制、共享缓冲与奖励「被愚弄」率等工程细节，代码已开源。