RAG / 检索增强生成

QPAD: Quantile-Preserving Approximate Dimension Reduction for Nearest Neighbors Preservation in High-Dimensional Vector Search

QPAD：用于高维向量搜索中最近邻保持的分位数保持近似降维

Jiuzhou Fu, Dongfang Zhao

专题命中 向量检索 ：vector search(title,abstract)；分类 cs.IR、cs.DB

AI总结 QPAD是一种无监督的降维方法，通过最大化k-NN与非k-NN之间的边际来保持最近邻关系，从而在高维向量搜索中提升检索精度。

KBest: Efficient Vector Search on Kunpeng CPU

KBest: 面向 Kunpeng CPU 的高效向量搜索

Kaihao Ma, Meiling Wang, Senkevich Oleg, Zijian Li, Daihao Xue, Dmitriy Malyshev, Yangming Lv, Shihai Xiao, Xiao Yan, Radionov Alexander, Weidi Zeng, Yuanzhan Gao, Zhiyu Zou, Xin Yao, Lin Liu, Junhao Wu, Yiding Liu, Yaoyao Fu, Gongyi Wang, Gong Zhang, Fei Yi, Yingfan Liu

专题命中 向量检索 ：vector search(title,abstract)；分类 cs.IR

AI总结 KBest 是针对 Kunpeng 920 CPU 优化的高效向量搜索库，通过硬件感知和算法优化提升查询吞吐量超过 2 倍。

Journal ref ACM KDD 2026 | Jeju, Korea

Llama2Vec: Unsupervised Adaptation of Large Language Models for Dense Retrieval

Llama2Vec: 无监督适应大型语言模型用于密集检索

Zheng Liu, Chaofan Li, Shitao Xiao, Yingxia Shao, Defu Lian

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； University of Science and Technology of China（中国科学技术大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 向量检索 ：dense retrieval(title,abstract)；分类 cs.CL

AI总结 Llama2Vec通过无监督适应LLM提升密集检索性能，实现新的最先进结果。

Comments ACL 2024