随着大数据与人工智能技术的快速进步，采用智能的方式来构建计算机系统逐渐成为一个热点的研究方向，具体又包括自内而外和自外而内两种方式。自内而外指采用应用数据与访问特征驱动的学习型系统组件，如学习索引、学习型预取器等；自外而内指的是利用大模型、机器学习等技术根据应用特征和实时情况对系统进行动态调节优化。学习索引目前已经在平均性能超越传统索引，当前的研究重点是对索引的高并发访问、空间效率、鲁棒性等维度进行优化，以便能够在复杂的企业实际业务充分发挥学习索引的优势。本次报告将基于 SIGMOD 2024 的最新论文对学习索引的前沿研究进行解读和分析。