یه نویسنده تو حوزه دیتا می‌گه با ورود AI به تحلیل داده، سوالات آدما ده برابر می‌شه و تحلیلگرا بیشتر از قبل گیر می‌کنن، نه کمتر. راه‌حلش شاید چیزی شبیه اکسل باشه.

۷ هفته پیش۳ دقیقهbenn.substack.com

گزارش مالی اسنوفلیک نشون داد شرکت‌های نرم‌افزاری سنتی هم می‌تونن از موج کدنویسی با AI سهم ببرن؛ رمزش اینه که مشتری رو به یه مدل خاص قفل نکنن.

۸ هفته پیش۳ دقیقهitiger.com

پتنت ۲۰ ساله‌ی اوراکل روی الگوریتم Orasort منقضی شده و حالا هر کسی می‌تونه ازش استفاده کنه؛ ترفندش اینه که به جای کاراکتر به کاراکتر، ۸ بایت رو یکجا مقایسه می‌کنه.

یه کوئری گزارش‌گیری روی جدولی با ۳.۲ میلیارد رکورد، ۱ ساعت و ۴۳ دقیقه طول کشید. راه‌حل نه ایندکس تازه بود نه تغییر اسکیما، فقط درست خوندن خروجی EXPLAIN ANALYZE.

تیم People Analytics ناسا داده‌های پرسنلی، پروژه‌ها و رزومه‌ها رو ریخته تو یه گراف تا ببینه کی چه مهارتی داره و کدوم پروژه‌ها شبیه هم‌ان.

بتا ۳ منتشر شده و نسخهٔ نهایی چند هفته دیگه می‌رسه. این نسخه بیشتر از یه ریلیز معمولی تغییر ناسازگار داره، از خاموش شدن JIT تا حذف کامل احراز هویت RADIUS.

کال پترسون یه فرمت ساده برای حافظهٔ ایجنت‌ها معرفی کرده: چند فایل Markdown کنار یه ایندکس SQLite، بدون گراف دانش و بدون پایپ‌لاین استخراج.

۸ هفته پیش۴ دقیقهcalpaterson.com

وقتی سایز دیتابیس رو قبل از دیدن ورک‌لود انتخاب می‌کنی، یا پول حروم می‌دی یا کم می‌آری. Neon این انتخاب رو کلاً برداشته و سایز کامپیوت رو زنده، تو هر دو جهت، با خود بار تنظیم می‌کنه.

یه ابزار ترمینالی که کنار دستت باز می‌مونه و هر ثانیه پستگرس رو می‌خونه تا بگه از زمان بیس‌لاین چه ستون، چه ایندکس و حتی چه ردیفی عوض شده.

یه کتابخونهٔ Rust که دیتابیس کلید-مقدار رو مستقیم داخل خود برنامه‌ت جا می‌ده، و بسته به اینکه چقدر به دوام داده اهمیت بدی سرعتش از ۲۱۳ تا نزدیک ۳ میلیون کلید در ثانیه بالا و پایین می‌ره.

تعداد پارتیشن‌های کافکا عملاً ثابته و همین سقف موازی‌سازی رو تعیین می‌کنه. این مقاله می‌پرسه اگه ترتیب رو فقط سر هر کلید نگه داریم، چقدر تا پارتیشن کشسان فاصله داریم.

لورین هاکستاین بعد از خوندن گزارش‌های حوادث بزرگ ابری، الگوهای تکرارشونده رو کنار هم گذاشته: ریسک‌هایی که به نظرش ذاتی‌ان و پاک‌شدنی نیستن، پس بهتره روی آمادگی برای پاسخ به حادثه حساب باز کرد.

وقتی یه فرض توی تحقیق امنیتی غلط از آب درمیاد، مدل معمولاً نتیجه‌های وابسته بهش رو ول نمی‌کنه. جوردی زومر برای همین یه موتور Datalog کنار LLM گذاشته تا خود دیتابیس تصمیم بگیره چی هنوز درسته.

۹ هفته پیش۳ دقیقهpwning.systems

سه محصول تازه معرفی شده: یه دستیار داده که تو Slack و Teams و موبایل کار می‌کنه، ایجنت‌هایی که با یه پرامپت ساخته می‌شن، و یه لایهٔ زمینه که تصمیم می‌گیره به کدوم منبع اعتماد کنه.

۹ هفته پیش۲ دقیقهdatabricks.com

Databricks می‌گه ایجنت‌های داده با ایجنت‌های کد فرق دارن و ابزار همون‌جوری جواب نمی‌ده. سه تکنیکی که روی Genie پیاده کردن دقتش رو از ۳۲ به بالای ۹۰ درصد رسونده.

۹ هفته پیش۳ دقیقهdatabricks.com

Thinking Machines با پاک‌سازی دیتاست BIRD و دستکاری تابع پاداش، مدلی رو با RL آموزش داده که ۹۲.۹۷٪ دقت می‌گیره: بالاتر از انسان و با ۱۲ تا ۱۵ درصد هزینهٔ مدل‌های فرانتیر.

۹ هفته پیش۳ دقیقهthinkingmachines.ai

سی سال معماری داده رو برای تحلیلگر انسانی ساختیم؛ حالا مصرف‌کننده‌ای اومده که به هر عددی که بهش بدی با اطمینان عمل می‌کنه. مقالهٔ تازهٔ سایت مارتین فاولر می‌گه چه لایه‌هایی کم داریم.

۹ هفته پیش۳ دقیقهmartinfowler.com

نویسنده می‌گه بین CMS بسته و فایل‌های ساده مجبور نیستی یکی رو انتخاب کنی؛ اگه به مارک‌داون‌هات frontmatter اضافه کنی، همون پوشه می‌شه چیزی که ازش کوئری می‌گیری.

تیم پشت DuckDB بعد از پنج سال بوت‌استرپ، از اوایل سپتامبر بخشی از AWS می‌شه؛ تیم تو آمستردام سرجاش می‌مونه و کد هم باز باقی می‌مونه.

خبر اصلی، پیوستن DuckLabs به AWSه؛ ولی استدلال پشتش جالب‌تره: سخت‌افزار یه سرور تکی انقدر جلو رفته که خیلی از کارهای تحلیلی دیگه اصلاً کلاستر لازم ندارن.