Dari Interpretasi ke Kompilasi: Eksekusi Berbasis Kompilasi untuk Operator Semantik [Visi]

Sebuah visi untuk memperlakukan LLM sebagai kompilator semantik alih-alih interpreter runtime per baris dalam sistem pemrosesan data

Wenkai Dong; Yifan Wang· 2026· DOI 10.48550/arXiv.2607.13407

Masalah inti

Sistem operator semantik memperluas pemrosesan data tradisional dengan antarmuka bahasa alami, memungkinkan operasi seperti penyaringan semantik, pemetaan, dan penggabungan. Dalam sistem ini, pengguna menyatakan maksud dalam bahasa alami, dan sistem menerapkan maksud tersebut pada seluruh dataset. Sistem yang ada umumnya mengeksekusi operator ini melalui **eksekusi berbasis interpretasi**: untuk setiap baris, rekaman, atau pasangan kandidat, sebuah LLM dipanggil untuk menginterpretasikan maksud semantik dan menghasilkan keluaran. Meskipun pendekatan ini ekspresif dan fleksibel, pendekatan ini menempatkan panggilan LLM yang mahal di dalam loop pemrosesan data, menyebabkan latensi tinggi, biaya moneter, dan skalabilitas yang terbatas. Penulis berargumen bahwa pola pemanggilan per item ini adalah hambatan mendasar. Mereka mengusulkan pergeseran paradigma: alih-alih menggunakan LLM sebagai interpreter runtime untuk setiap item data, panggil sekali selama kompilasi untuk menerjemahkan spesifikasi operator semantik menjadi kode yang dapat dieksekusi secara deterministik. Operator fisik terkompilasi ini mendekati perilaku operator berbasis LLM asli dan berjalan secara lokal pada dataset t

Hasil awal menunjukkan bahwa eksekusi berbasis kompilasi secara substansial mengurangi waktu eksekusi dan panggilan LLM sambil mempertahankan sebagian besar kualitas keluaran. Penulis melaporkan bahwa dengan menghilangkan pemanggilan LLM per baris atau per pasangan, operator terkompilasi mencapai percepatan dan pengurangan biaya yang signifikan dibandingkan eksekusi berbasis interpretasi. Meskipun angka pasti tidak disediakan dalam abstrak, klaim kualitatifnya adalah bahwa pengurangan waktu eksekusi dan panggilan LLM bersifat substansial. Kualitas keluaran digambarkan mempertahankan "sebagian besar" kualitas asli, menunjukkan adanya pertukaran antara efisiensi dan fidelitas. Hasilnya bersifat awal, dan makalah ini diposisikan sebagai makalah visi, sehingga tolok ukur kuantitatif terperinci kemungkinan menjadi bagian dari pekerjaan mendatang. Temuan utamanya adalah bahwa eksekusi berbasis kompilasi merupakan alternatif yang layak untuk eksekusi berbasis interpretasi bagi operator semantik, menawarkan jalur menuju pemrosesan data semantik yang skalabel dan hemat biaya.

Sistem operator semantik memperluas pemrosesan data tradisional dengan antarmuka bahasa alami, memungkinkan operasi seperti penyaringan semantik, pemetaan, dan penggabungan. Dalam sistem ini, pengguna menyatakan maksud dalam bahasa alami, dan sistem menerapkan maksud tersebut pada seluruh dataset. Sistem yang ada umumnya mengeksekusi operator ini melalui **eksekusi berbasis interpretasi**: untuk setiap baris, rekaman, atau pasangan kandidat, sebuah LLM dipanggil untuk menginterpretasikan maksud semantik dan menghasilkan keluaran. Meskipun pendekatan ini ekspresif dan fleksibel, pendekatan ini menempatkan panggilan LLM yang mahal di dalam loop pemrosesan data, menyebabkan latensi tinggi, biaya moneter, dan skalabilitas yang terbatas. Penulis berargumen bahwa pola pemanggilan per item ini adalah hambatan mendasar. Mereka mengusulkan pergeseran paradigma: alih-alih menggunakan LLM sebagai interpreter runtime untuk setiap item data, panggil sekali selama kompilasi untuk menerjemahkan spesifikasi operator semantik menjadi kode yang dapat dieksekusi secara deterministik. Operator fisik terkompilasi ini mendekati perilaku operator berbasis LLM asli dan berjalan secara lokal pada dataset tanpa panggilan LLM per baris atau per pasangan. Makalah ini membingkainya sebagai visi di persimpangan pemrosesan kueri basis data, sintesis program, dan sistem data bertenaga LLM.

Metodologi yang diusulkan adalah **eksekusi berbasis kompilasi untuk operator semantik**. Ide utamanya adalah memisahkan fase pemahaman semantik dari fase pemrosesan data. Selama kompilasi, sebuah LLM dipanggil sekali untuk menerjemahkan spesifikasi operator semantik (misalnya, predikat atau transformasi bahasa alami) menjadi kode yang dapat dieksekusi secara deterministik. Kode yang dihasilkan ini berfungsi sebagai operator fisik terkompilasi yang mendekati perilaku operator berbasis LLM asli. Penulis menginstansiasi pendekatan ini untuk tiga operator semantik inti: **filter semantik**, **peta semantik**, dan **join semantik**. Untuk masing-masing, mereka merancang strategi kompilasi yang menghasilkan kode yang mampu berjalan secara lokal pada dataset tanpa panggilan LLM per baris atau per pasangan. Mereka membandingkannya dengan eksekusi terinterpretasi berbasis LLM dan mengintegrasikannya ke dalam sistem operator semantik yang ada. Proses kompilasi dapat dikonseptualisasikan sebagai fungsi C : S \to P, di mana S adalah ruang spesifikasi operator semantik dan P adalah ruang program yang dapat dieksekusi. Tujuannya adalah menemukan program p \in P sedemikian sehingga untuk dataset D yang diberikan, keluaran p mendekati keluaran operator berbasis LLM asli O_{LLM} : \forall x \in D, p (x) \approx O_{LLM} (x) . Kualitas aproksimasi dipertukarkan dengan efisiensi eksekusi. Arsitektur keseluruhannya diilustrasikan di bawah ini.

Penulis berargumen secara lebih luas bahwa sistem operator semantik harus memperlakukan LLM tidak hanya sebagai eksekutor runtime, tetapi juga sebagai **kompilator semantik** yang menghasilkan rencana eksekusi yang efisien. Pembingkaian ulang ini membuka peluang penelitian baru di persimpangan pemrosesan kueri basis data, sintesis program, dan sistem data bertenaga LLM. Pembahasan menyoroti potensi arsitektur berbasis kompilator di mana peran LLM bergeser dari interpretasi per item menjadi pembuatan kode sekali jalan. Pendekatan ini dapat menghasilkan rencana kueri yang lebih efisien, pemanfaatan sumber daya yang lebih baik, dan teknik optimasi baru yang khusus untuk operator semantik. Namun, tantangan tetap ada, termasuk memastikan kebenaran dan ketangguhan kode yang dihasilkan, menangani distribusi data yang beragam dan terus berkembang, serta mengelola pertukaran antara kualitas aproksimasi dan efisiensi. Visi ini menyarankan masa depan di mana operator semantik dikompilasi menjadi program deterministik yang dapat dioptimalkan, di-cache, dan dieksekusi dalam skala besar, seperti halnya operator basis data tradisional. Pergeseran paradigma ini dapat memungkinkan pemrosesan data semantik menjadi seefisien dan seskalabel pemrosesan data konvensional, sambil mempertahankan fleksibilitas antarmuka bahasa alami.

Praktisi dan peneliti ilmu komputer

Membuka konten member…