《Efficient Query Rewrite Rule Discovery via Standardized Enumeration and Learning-to-Rank》该研究聚焦数据库查询优化中的关键问题——查询重写规则的自动发现。针对现有方法在复杂查询计划下普遍面临搜索空间膨胀、规则冗余严重和可扩展性不足等问题，团队提出了系统 SLER。该系统通过标准化模板枚举方法，在保留查询计划结构信息的同时消除由数据细节引入的结构冗余，并结合学习排序模型对候选模板对进行高效筛选，从而显著提升了规则发现的效率与规模。基于超过11000条真实SQL查询的实验表明，SLER 已自动构建出超过100万条经验证的查询重写规则库，展现出对复杂查询模式的强大支持能力，为下一代数据库优化器的构建提供了重要技术基础。
