Zobrazeno 1 - 10
of 10
pro vyhledávání: '"JO, SAEHAN"'
Autor:
Jo, Saehan, Trummer, Immanuel
The advancement of Large Language Models (LLMs) has significantly boosted performance in natural language processing (NLP) tasks. However, the deployment of high-performance LLMs incurs substantial costs, primarily due to the increased number of para
Externí odkaz:
http://arxiv.org/abs/2403.13835
Autor:
Trummer, Immanuel, Wang, Junxiong, Maram, Deepak, Moseley, Samuel, Jo, Saehan, Antonakakis, Joseph
Publikováno v:
SIGMOD 2019
SkinnerDB is designed from the ground up for reliable join ordering. It maintains no data statistics and uses no cost or cardinality models. Instead, it uses reinforcement learning to learn optimal join orders on the fly, during the execution of the
Externí odkaz:
http://arxiv.org/abs/1901.05152
Autor:
Jo, Saehan, Trummer, Immanuel, Yu, Weicheng, Liu, Daniel, Wang, Xuezhi, Yu, Cong, Mehta, Niyati
We present a novel natural language query interface, the AggChecker, aimed at text summaries of relational data sets. The tool focuses on natural language claims that translate into an SQL query and a claimed query result. Similar in spirit to a spel
Externí odkaz:
http://arxiv.org/abs/1804.07686
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Jo, Saehan, Trummer, Immanuel, Yu, Weicheng, Wang, Xuezhi, Yu, Cong, Liu, Daniel, Mehta, Niyati
Publikováno v:
Proceedings of the VLDB Endowment; August 2019, Vol. 12 Issue: 12 p1938-1941, 4p
Publikováno v:
Proceedings of the VLDB Endowment; August 2018, Vol. 11 Issue: 12 p2074-2077, 4p