PulseAugur
中
实时 11:02:31
English(EN) ANN Search: Recall What Matters

新指标 1/Ratio@k 承诺改进 ANN 搜索评估

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员提出了一种新的评估指标 1/Ratio@k 来评估近似最近邻 (ANN) 搜索算法，认为它比传统的 Recall@k 更能反映检索质量。这个新指标评估检索到的邻居与真实邻居之间距离的差异，无需人工判断，并且可以从标准的基准输入中计算得出。实验表明，与 Recall@k 相比，针对 1/Ratio@k 进行优化可以在更低的计算成本下实现操作质量，并更准确地跟踪下游任务性能，例如分类和检索增强生成。 AI

影响 提供了一种更准确、更高效的评估 ANN 搜索的方法，有望加速依赖于 ANN 的 AI 系统的开发和部署。

排序理由 学术论文提出了一项核心机器学习/信息检索任务的新评估指标。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Dimitris Dimitropoulos, Nikos Mamoulis ·

    ANN Search: Recall What Matters

    arXiv:2606.04522v1 Announce Type: cross Abstract: Approximate nearest neighbor (ANN) search has become a core primitive in information retrieval and modern machine learning tasks, from classification to retrieval-augmented generation. The community evaluates and tunes ANN algorit…

相关话题