My binary vector search is better than your FP32 vectors
原文中文，约4000字，阅读约需10分钟。
📝
内容提要
二进制向量搜索通过减少内存消耗取得了30倍的减少，但准确性有争议。实验发现，使用二进制向量搜索和优化技术可以保持准确性。自适应检索方法可以提高准确性。与缩短向量相比，二进制向量明显优于缩短向量。自适应检索配合1024维索引实现了更高的准确率。通过利用自适应检索技术，二进制向量可以在减少内存使用量的同时保持高水平的准确性。
❓
Q&A
二进制向量搜索的内存消耗减少了多少？
二进制向量搜索通过减少内存消耗取得了30倍的减少。
二进制向量搜索的准确性如何？
二进制向量搜索的准确性降低到约80%，在某些情况下可能不可接受，但通过优化可以保持较高的准确性。
自适应检索方法如何提高二进制向量的准确性？
自适应检索通过先快速检索候选项，然后使用KNN重新排序来提高准确性，最高可达95%。
二进制向量搜索的每秒请求数是多少？
二进制向量搜索的每秒请求数约为3000，而原始向量搜索的RPS仅约为300。
与缩短向量相比，二进制向量的优势是什么？
二进制向量在每秒3000个请求的情况下实现约80%的准确率，且内存使用量显著低于缩短向量。
自适应检索的内存使用量如何？
自适应检索配合1024维索引的内存使用量增加了12倍，但准确率可提高至99%。
🏷️
