DiskANN
PulseAugur coverage of DiskANN — every cluster mentioning DiskANN across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
LLM引导的剪枝增强最近邻搜索索引
研究人员开发了一个名为LLM-Guided Graph Pruning (LGP) 的新框架，以提高近似最近邻搜索 (ANNS) 索引的性能。该方法使用大型语言模型 (LLMs) 来优化现有的 ANN 图索引，通过识别并用语义相关的替代项替换结构上价值较低的邻居。实验表明，LGP 在 DiskANN 和 HNSW 等各种 ANN 索引上都能提高端到端检索性能，优于传统的贪婪搜索和基于 LLM 的重新排序。
-
新方法改进了数据流失下的图近似最近邻（ANN）索引修复
研究人员开发了一种新的图近似最近邻（ANN）索引修复方法，该索引容易因删除而损失召回率。所提出的方法基于可导航性退化信号触发局部边修复，而不是固定计划。发现在突发性数据流失条件下，与固定周期修复相比，这种信号触发的修复方法在保持尾部召回率方面更有效，尤其是在修复预算有限的情况下。该研究还引入了一个预算匹配的评估协议和一个可复现的数据流失-修复工具。
-
SQL Server 2025 集成原生 AI，支持向量数据类型和外部模型
Microsoft 正在将先进的 AI 功能直接集成到 SQL Server 2025 和 Azure SQL Database 中，将它们转变为一流的 AI 平台。主要功能包括具有 DiskANN 索引的原生 VECTOR 数据类型，用于语义搜索，以及将外部 AI 模型（例如来自 Azure OpenAI 的模型）注册为数据库对象的能力。这使得在 SQL Server 中可以原生实现检索增强生成 (RAG)，无需单独的向量数据库，从…