Jailbreak utiliza LLM para regenerar lectores de almacenamiento de alto rendimiento

Los investigadores presentan Jailbreak, un enfoque que evita los motores de bases de datos utilizando Modelos de Lenguaje Grande para regenerar componentes de lectura de tablas específicos del operador directamente desde archivos de almacenamiento.

• El sistema aprovecha la síntesis de código asistida por LLM para decodificar formatos de archivos de bases de datos complejos especificados por el código fuente y la documentación.
• Materializa los datos como búferes Apache Arrow en memoria consumibles por motores de consulta como DuckDB, Apache Spark, cuDF y Spark RAPIDS.
• Validado contra las líneas base JDBC/ODBC utilizando la prueba TPC-H, Jailbreak logra aceleraciones de hasta 27x en el rendimiento analítico de extremo a extremo.

Esta metodología rompe el bloqueo de datos entre sistemas de bases de datos convirtiendo formatos opacos en artefactos directamente consultables sin lógica de análisis diseñada por humanos.