待验证50% 置信事实精确时间
精确的 K 近邻搜索（KNN）时间复杂度为 O(n×d)，在数百万级别记忆条目下延迟不可接受，ANN 算法通过牺牲极小精度换取数量级速度提升
1
来源数
50%
置信度
长期有效
时效性
2026/7/14
首次发现
来源
相关事实
待验证成对距离计算的时间复杂度为O(n²)，在词表规模较大时需要引入负采样或随机子集近似来控制计算开销72% 相似待验证局部敏感哈希LSH由Indyk和Motwani于1998年提出，可将billion级向量的最近邻搜索时间复杂度从O(n)降至近似O(1)70% 相似已验证HNSW通过构建多层图索引将搜索复杂度降至近似O(log n)，IVF通过K-means聚类分割向量空间以牺牲约5-10%召回率换取数量级速度提升70% 相似待验证根据率失真理论，若序列包含O(N)比特相关信息而隐状态只有O(d)比特容量，当N远大于d时必然产生信息丢失70% 相似待验证自注意力机制解决了RNN架构在处理长序列时的梯度消失问题，并天然支持大规模并行计算69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/503505API
curl https://kongchang.com/api/v1/knowledge/claims/503505MCP
get_claim(id=503505)