🧠AI 冷知识
你知道吗？
这些有趣的 AI 小知识可能让你大吃一惊
🌳
向量索引算法主流向量数据库几乎都使用HNSW算法,它的灵感来自"六度分隔理论"——构建多层图结构,高层稀疏用于快速跳跃,底层密集用于精确定位。这种设计让百万级向量的搜索从分钟级降到了毫秒级。
一句话总结
💡
向量索引算法如 HNSW、IVF、PQ 等通过构建图或聚类结构，将暴力搜索的 O(N) 降至近似亚线性，实现高效 ANN。
常见误区
这些坑别踩
✗
误区 1
索引能同时保证速度和 100% 召回。
✓
正确理解
ANN 本质是速度与召回的权衡，需调参在二者间平衡。
✗
误区 2
HNSW 一定比 IVF 好。
✓
正确理解
各算法有适用场景，HNSW 查询快但内存大，IVF 适合大规模数据，需按需选择。
✗
误区 3
索引建好后无需重建。
✓
正确理解
数据分布变化或大量更新后需重新训练索引以保持检索质量。