[控场AI]

#向量检索

共 20 篇相关文章

嵌入模型迁移:复用旧索引只是延迟重编码,无法避免
·4 分钟

嵌入模型迁移:复用旧索引只是延迟重编码,无法避免

一项覆盖十六组模型对与NQ数据集的研究表明:嵌入模型迁移中复用旧索引只能推迟重编码成本,无法避免。适配器需与旧模型对比,窗口重排序成本可从旧索引预先推算。

阅读全文 →
四层拆解RAG向量索引:页面级命中掩盖了块级漏检
·4 分钟

四层拆解RAG向量索引:页面级命中掩盖了块级漏检

Reddit用户分享RAG向量索引四层检查方法,发现页面级命中可能掩盖块级漏检。本文解析该问题,探讨分层评估对RAG系统优化的重要性,并提供实践启示。

阅读全文 →
Meta FAIR 发布 e-means,FAISS 1.16.0 迎来聚类新选择
·3 分钟

Meta FAIR 发布 e-means,FAISS 1.16.0 迎来聚类新选择

Meta FAIR 在 FAISS 1.16.0 中发布 e-means 聚类算法,被视作 k-means 替代方案。Reddit 社区讨论其对 RAG 检索增强生成技术的潜在影响,本文梳理讨论要点与值得关注的方向。

阅读全文 →
MIPS加速:让RAG检索更快更高效
·4 分钟

MIPS加速:让RAG检索更快更高效

解析RAG中最大内积搜索(MIPS)的计算瓶颈:当候选向量达百万级、维度达数千时穷举搜索成本高昂,近似搜索等加速手段可在可控误差下显著提升检索效率,改善RAG端到端延迟与吞吐。

阅读全文 →
Hillock v1.0:用确定性搜索破解向量检索的幻觉难题
·3 分钟

Hillock v1.0:用确定性搜索破解向量检索的幻觉难题

向量搜索的概率性本质导致RAG系统在无法回答的查询上产生幻觉。经过6个月测试,开源项目Hillock v1.0发布,试图在检索层引入确定性判断,让系统明确拒绝不可回答的问题,从源头减少幻觉。

阅读全文 →
LEANN开源向量索引:60M块RAG索引从201GB压缩至6GB
·4 分钟

LEANN开源向量索引:60M块RAG索引从201GB压缩至6GB

UC Berkeley开源的LEANN向量索引通过剪枝图与查询时重算嵌入,将60M块RAG索引从201GB压缩至6GB,在90%召回率下内存占用4GB对188GB,代价是秒级搜索延迟。本文解析其机制、性能权衡与适用场景。

阅读全文 →
2026年embedding模型选型指南:20+款API与开源模型对比
·4 分钟

2026年embedding模型选型指南:20+款API与开源模型对比

2026年embedding模型选型指南:对比20多款API与开源权重模型的每百万token价格、向量维度、最大输入长度与许可证,附存储成本推算方法与实战选型检查清单。

阅读全文 →
RAGFlow向量检索延迟暴增4秒:HNSW锁与归一化实战修复
·11 分钟

RAGFlow向量检索延迟暴增4秒:HNSW锁与归一化实战修复

RAGFlow接入Agent记忆管道时遭遇向量检索延迟危机:插入50QPS时查询延迟从80ms飙至4秒,召回率跌30%。本文拆解pgvector HNSW写锁竞争与嵌入归一化两大根因,给出读写索引分离、L2归一化、RRF混合检索的实战代码与生产指标。

阅读全文 →
不用向量数据库:fastembed + numpy 手写余弦相似度
·4 分钟

不用向量数据库:fastembed + numpy 手写余弦相似度

不用向量数据库也能做RAG:用fastembed生成33MB小模型嵌入,numpy手写余弦相似度,约60行代码完成简历检索。文中还揭示了一个从教程复制TOP_K=12导致的隐蔽检索bug,以及如何用得分差距判断检索质量。

阅读全文 →
别急着上向量数据库:先测好你的检索基线
·5 分钟

别急着上向量数据库:先测好你的检索基线

构建RAG助手不必从向量数据库开始。本文介绍如何用现有全文检索与SQL过滤建立可测量的检索基线,通过五十个真实问题的评估集找出词汇鸿沟场景,再决定是否引入向量检索与混合检索方案。

阅读全文 →
RAG评估指标全解析:检索、生成与运营三大维度
·8 分钟

RAG评估指标全解析:检索、生成与运营三大维度

系统解析RAG评估指标:检索指标(Hit rate、Recall@k、MRR、nDCG)、生成指标(忠实度、答案相关性)与运营指标(成本、延迟、存储),附具体计算示例与工具实践。

阅读全文 →
RAG聊天机器人上线前检查清单:六个关键维度
·5 分钟

RAG聊天机器人上线前检查清单:六个关键维度

一份面向首次生产发布的RAG聊天机器人检查清单,覆盖用例边界定义、文档切分、检索与生成分开评估、证据溯源、权限控制与时效性、工作流度量六个维度,附端到端测试流程。

阅读全文 →
构建更可靠的RAG系统:检索优化的四大核心杠杆
·9 分钟

构建更可靠的RAG系统:检索优化的四大核心杠杆

深入解析构建生产级RAG系统的四大核心杠杆:检索前后处理、文档分块、嵌入与向量库调优、以及效果评估。涵盖查询改写、HyDE、重排序、混合检索等实用工程技巧。

阅读全文 →
超越语义搜索:探索嵌入模型的趣味实验指南
·5 分钟

超越语义搜索:探索嵌入模型的趣味实验指南

除了语义搜索,还有哪些实验能帮你深入理解嵌入模型?本文梳理向量算术、聚类可视化、各向异性分析、跨语言对齐与鲁棒性测试等动手实验方向,培养对高维向量空间的工程直觉。

阅读全文 →
Google开源EmbeddingGemma2:文字与图片同处一个向量空间
·5 分钟

Google开源EmbeddingGemma2:文字与图片同处一个向量空间

Google开源多模态Embedding模型EmbeddingGemma2,支持文字、图片、音频、视频转换为同一向量空间的768维数字。本文通过300张动物照片的实战演示,解析跨模态检索为何分数偏低、如何用点积排序以及向量截断省空间的技巧。

阅读全文 →
为什么嵌入模型偏爱1536维?揭秘维度选择背后的权衡
·5 分钟

为什么嵌入模型偏爱1536维?揭秘维度选择背后的权衡

为什么嵌入模型(embedding)常用 1536 维?本文从 Transformer 架构继承、注意力头整除、硬件对齐以及质量与成本的权衡,解析 1536 维背后的工程逻辑与生态原因。

阅读全文 →
Lakebase Search:为Postgres带来顶尖全文与向量检索能力
·4 分钟

Lakebase Search:为Postgres带来顶尖全文与向量检索能力

Lakebase Search为Postgres带来顶尖的全文检索与向量检索能力,面向AI Agent工作负载优化,支持混合检索,帮助开发者在关系型数据库中原生构建RAG与智能体应用。

阅读全文 →
纯向量检索为什么搜不准?大厂混合检索架构深度解析
深度解读
·7 分钟

纯向量检索为什么搜不准?大厂混合检索架构深度解析

深入分析向量检索无法精准匹配关键词的底层原因,拆解大厂RAG知识库通用的混合检索架构设计思路,涵盖关键词检索兜底、向量检索优化体验、加权排序融合及查询路由等实战落地方案。

阅读全文 →