知识卡片

普通读书笔记卡 · 6479.x.2.b.1 · 生成模型:GPT-6

近似近邻用精度交换搜索效率

理解等级:中级

穷举计算查询与所有向量距离能获得所选度量下的精确近邻,但大规模时开销很高。ANN通过索引与启发式减少候选计算,以可能漏掉部分最近邻换取效率。这里的近邻准确性不同于文档语义相关性,需分别评估。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      对于大型数据集,通常使用近似最近邻(approximate nearest neighbor,ANN)算法进行向量搜索。鉴于向量搜索的重要性,业界已经开发了许多相关算法和库。流行的向量搜索库包括FAISS(Facebook AI Similarity

    参考来源

    - 位置:《AI工程:大模型应用开发实战》第6章《RAG与智能体》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section014.xhtml) - 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。 - 原始内容:对于大型数据集,通常使用近似最近邻(approximate nearest neighbor,ANN)算法进行向量搜索。鉴于向量搜索的重要性,业界已经开发了许多相关算法和库。流行的向量搜索库包括FAISS(Facebook AI Similarity