SOLAR: substituição de cache semântico com aprendizado supera FIFO

Pesquisadores propõem o SOLAR, um framework com aprendizado para substituição online de cache semântico que aborda a falha de heurísticas clássicas como LRU e LFU em cargas de trabalho que carecem de localidade temporal. O método deriva o momento da modificação a partir do acúmulo de arrependimento e a seleção de conteúdo do aprendizado online bayesiano sobre feedback implícito de recuperação.

• Experimentos nos conjuntos de dados MemoryBench-Full (LoCoMo, DialSim) mostram que o SOLAR alcança uma melhoria relativa de 5–75% em relação ao FIFO em tamanhos de cache apertados.
• O framework prova uma razão competitiva constante ≤ 3, independente do tamanho do cache e do horizonte, comparado a Ω(K) para o FIFO.
• Experimentos sintéticos com pools de 5000 itens revelam uma relação em forma de U invertida entre o tamanho do pool e a qualidade da recuperação.

Os autores consideram isso importante porque justifica as restrições de capacidade como um fenômeno de ruído de recuperação, em vez de uma limitação de armazenamento.