近日,国际关联数据基准委员会(Linked Data Benchmark Council,以下简称LDBC)公布了SNB Interactive评测基准声明式查询赛道最新结果,阿里云GraphScope Flex突破图计算引擎性能天花板,以超过80,000 QPS(每秒查询数)的吞吐性能打破纪录,是第二名的近2倍。
阿里云GraphScope Flex打破SNB Interactive评测基准声明式查询赛道纪录
图计算引擎在处理海量关系数据上具备天然优势,能够提高实时推荐的效率和准确性。以金融风控场景为例,大量人员和事件构成一张庞大的图关系网,通过图上关联分析,可以快速挖掘异常行为,识别异常人员和群体,及时避免风险。
LDBC是图数据与图计算领域的国际权威组织,其推出的Social Network Benchmark (SNB) 评测基准通过模拟 Facebook 社交网络图,覆盖增删改查、最短路径、多跳查询等操作,全面衡量图引擎的功能和性能,是学术界和工业界公认的权威评测标准。该评测基准支持两种实现方式,一是命令式,需依赖图专家用编程语言手动编写和调优查询用例,GraphScope Flex已是该场景的性能纪录保持者;二是声明式,使用图查询语言如 Cypher 编写查询用例,由系统自动优化。
最新测试结果显示,在SNB扩展参数为300的声明式查询场景测试中,GraphScope Flex通过自动查询优化实现了高达80510 QPS的查询吞吐率,性能较第二名提升近1倍,甚至超越了业界手动编写和调优的命令式场景的成绩,这一突破提升了图引擎的性能天花板,大幅降低了图查询的技术门槛。
GraphScope Flex性能的提升得益于阿里云在工程和技术上的协同创新,在基础设施层,通过计算、存储和调度层的全面优化,可实现低延迟内存访问和高吞吐查询等能力;在查询层,通过自研的GOpt优化框架,利用高阶统计信息提高基数估计准确性,可有效减少查询中间结果并提升执行效率,该研究成果已被数据库顶会 SIGMOD 2025收录。
据悉,GraphScope是业界首个开源的一站式大规模图计算引擎,目前已广泛应用于金融风控、网络安全及社交网络分析等领域。
好文章,需要你的鼓励
加利福尼亚大学和萨里大学研究团队开发了一种创新的AI系统,能够仅通过简单的手绘素描就在复杂照片中精确识别关键点。这项技术突破了传统机器学习需要大量同类数据的限制,实现了真正的跨模态学习。系统在动物关键点识别任务中达到了39%的准确率,超越现有方法约5个百分点,并且在真实手绘素描测试中表现稳定。该技术有望在生物学研究、医疗诊断、工业检测等多个领域找到广泛应用。
AI系统正变得越来越善于识别用户偏好和习惯,像贴心服务员一样定制回应以取悦、说服或保持用户注意力。然而这种看似无害的个性化调整正在悄然改变现实:每个人接收到的现实版本变得越来越独特化。这种认知漂移使人们逐渐偏离共同的知识基础,走向各自的现实世界。AI个性化不仅服务于我们的需求,更开始重塑这些需求,威胁社会凝聚力和稳定性。当真相本身开始适应观察者时,它变得脆弱且易变。
约翰霍普金斯大学发布DOTRESIZE技术,通过最优传输理论实现AI大模型智能压缩。该方法将相似神经元合并而非删除,在保持性能的同时显著降低计算成本。实验显示,压缩20%后模型仍保持98%性能,为AI技术普及和可持续发展提供新路径。