RedNote（小红书）的研究人员开发了HELMSMAN，一个新颖的基于聚类的近似最近邻搜索（ANNS）系统，旨在显著降低大规模ANNS部署的硬件成本。通过集成用户空间存储栈、学习型剪枝模块和GPU加速构建流水线，HELMSMAN实现了可观的节省，将硬件成本降低了90%以上。该系统能够在数小时内处理数十亿规模的索引重建，并且目前支持在40台机器上运行ANNS工作负载，而此前这需要大约35,000个核心和0.35 PB的DRAM。 AI
影响 降低了大规模ANNS的硬件成本，可能促进AI驱动的搜索和推荐系统的更广泛采用。
排序理由 详细介绍ANNS新系统的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →