实体
SIFT1M
SIFT1M
PulseAugur coverage of SIFT1M — every cluster mentioning SIFT1M across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的SHEAF方法预测ANN搜索中的查询难度
研究人员开发了一种名为SHEAF（答案集通量自剖面硬度估计）的新方法，用于预测基于图的近似最近邻（ANN）搜索中查询的难度。与之前的局部内在维度（LID）等静态度量不同，SHEAF通过观察查询的答案集在两个浅探针宽度之间如何变化来估计难度。该方法在SIFT1M等数据集上进行了评估，并在GPU和CPU上实现，与五个基线度量相比，显示出更高的预测精度，仅需两次浅探针搜索，且无需查询时真实值。
-
新研究探讨查询优化错误和计划遗憾
两篇新研究论文探讨了大规模数据系统中查询优化的细微差别，重点关注估计误差如何影响性能。第一篇论文《Filtered ANN 作为一种相变》分析了近似最近邻搜索，并确定了性能显著下降的关键误差区域。第二篇论文《q-error 何时能预测计划遗憾？》研究了基数估计，并提出了新的指标，如 ACS-infinity，这些指标比传统的 q-error 更能预测查询计划的质量，尤其对于复杂的学习估计器。
-
LLM代理优化检索系统的ANN索引
研究人员开发了一种新颖的LLM引导代理，用于优化检索系统中的近似最近邻（ANN）索引参数。该代理通过将每个建议条件化于完整的优化历史，克服了传统超参数优化方法的局限性，有效地导航了复杂、耦合的参数空间。在HICO-DET人体-物体交互检索基准上进行测试，该代理展示了显著的性能提升，超越现有方法超过33%，并实现了15.3倍的吞吐量增长。