arXiv上发表的一项新的理论研究探讨了量化对密集 top-k 检索系统施加的限制。研究表明，使用每个坐标 B 比特实现完美检索需要嵌入维度随着语料库大小（N）的对数增长，这与先前在无限精度下假设的语料库独立性相矛盾。研究结果表明，随着数据语料库的扩展，实际的向量数据库和检索系统必须增加嵌入维度，并可能增加精度。 AI
影响 强调实际向量数据库由于量化限制需要随语料库大小扩展嵌入维度。
排序理由 该集群包含一项在 arXiv 上发表的理论研究，涉及密集检索系统中量化的限制。
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.11780v1 Announce Type: cross Abstract: We establish conditions for embedding a corpus of $N$ documents as $d$-dimensional vectors such that every $k$-subset $S \subseteq [N]$ is realizable as a result of top-$k$ retrieval by some query vector. Recent work shows that $d…
We establish conditions for embedding a corpus of $N$ documents as $d$-dimensional vectors such that every $k$-subset $S \subseteq [N]$ is realizable as a result of top-$k$ retrieval by some query vector. Recent work shows that $d = O(k)$ suffices for such embeddings to exist in …