LumingSun/ML4DB-paper-list
Papers for database systems powered by artificial intelligence (machine learning for database)
What it solves
这条仓库帮你解决一个很实际的问题：想跟上“人工智能 + 数据库”这个交叉领域的研究进展，但论文太多、太散，不知道该看哪些。它把该领域的重要论文按研究主题整理成一份持续更新的清单，省去你自己从零搜集和分类的时间。
How it works
这是一个纯论文清单项目，不包含代码或工具。维护者把数据库系统中应用机器学习、深度学习、强化学习等技术的论文，按研究子方向分门别类地列出来。整个清单用 Markdown 文件组织，目录结构清晰，从系统综述到具体技术索引都有对应条目。每篇论文标注了发表会议或期刊（如 SIGMOD、VLDB、ICDE），许多条目还附上了论文链接或源代码仓库地址。项目持续维护，标注为 2024、2025、2026 年的新论文也在不断加入。
Who it's for
这个清单主要面向数据库方向的研究人员、工程师和学生，特别是那些想了解 AI 如何改进数据库系统的读者。无论你是刚入门、想找一个研究方向的综述，还是想追踪某个子方向的最新进展，这份清单都能作为一个不错的起点。
Highlights
- 覆盖面广：从 AI4DB 的系统综述（如 SageDB、Self-Driving Database）到具体的索引结构、查询优化、配置调优，再到新兴的 LLM4DB（大语言模型驱动数据库）和 Text-to-SQL 方向，均有收录。
- 分类细致：按 12 个左右的大类组织，如数据访问、工作负载、查询优化、查询执行等，每个大类下还有细分主题（如索引结构、LSM 树、基数估计），方便按需查阅。
- 持续更新：README 明确说明清单在不断更新，并鼓励读者通过 Pull Request 或讨论来贡献新的论文，尤其是作者自认不熟悉的 Text-to-SQL 方向。
- 资源丰富：很多论文条目附有 DOI 链接或源代码仓库，方便直接获取原文和复现实验。
Related
- Project
tensorflow/data-validationTensorFlow Data Validation (TFDV) is a scalable Python library for computing data statistics, inferring schemas, and detecting anomalies in machine‑learning datasets. It integrates with TensorFlow/TFX pipelines, uses Apache Beam for distributed processing, and provides visual UI tools for inspecting data quality.
- Project
scverse/anndataA Python package for handling annotated data matrices in memory and on disk, providing efficient support for sparse data and lazy operations.
- Project
defeat-beta/defeatbeta-apiA high-performance financial data library that provides reliable access to market data and earnings transcripts, featuring automated DCF valuation and AI agent integration via MCP.
- Project
HKUSTDial/awesome-data-agentsAwesome Data Agents is a curated, survey-backed reading list that classifies LLM-based data agents into six autonomy levels (L0–L5), organizes papers by task type (data management, preparation, analysis), and includes benchmarks, tutorials, and a KDD Cup 2026 competition.