实体
maximum inner-product search
maximum inner-product search
PulseAugur coverage of maximum inner-product search — every cluster mentioning maximum inner-product search across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的RSLM方法将ANN搜索嵌入大小减少到1-4位
研究人员推出了一种新颖的无训练向量量化方法RSLM，旨在增强近似最近邻（ANN）搜索系统。该技术将嵌入压缩到每维低至1-4位，显著降低了内存成本和带宽需求。RSLM通过编码残差向量和校正重构向量的L2范数来实现这一点，提供了比现有方法更好的质量与大小权衡。该实现利用了快速Walsh-Hadamard变换和AVX SIMD优化来实现高性能。
-
Apple ML Research 提出使用神经网络的摊销 MIPS
Apple Machine Learning Research 提出了一种新的最大内积搜索（MIPS）方法，称为摊销 MIPS。该方法利用神经网络，特别是 SupportNet 和 KeyNet，直接预测 MIPS 解决方案，从而降低了从固定键数据库中已知分布提取的查询的计算成本。在 BEIR 基准测试上的实验表明，在考虑计算工作量的情况下，这些学习模型可以显著提高 IVF 匹配率。
-
新的摊销MIPS方法使用神经网络加速搜索
研究人员开发了一种名为摊销最大内积搜索（MIPS）的新方法，该方法利用神经网络直接预测MIPS解决方案。该方法训练网络充当固定向量数据库的“支持函数”，从而能够更快地识别给定查询的最佳匹配向量。所提出的模型SupportNet和KeyNet在文档嵌入的BEIR基准测试中显示出效率的显著提高，在考虑计算工作量时优于传统方法。