awesome vector database

？很棒的矢量数据库

与高维结构/矢量搜索和数据库相关的精彩作品的精选清单

服务

• Google矢量搜索（顶点AI）
• 松果
• 编织[初学者指南]
• Vespa
• TXTAI
• 马克
• Vectara
• Epsilla
• 阿尔高利
• Meilisearch
• NucliaDB
• OpenSearch
• myscale
• QDRANTCLOUD
• Zilliz
• OpenSearch的AlibabaCloud
• typesense的云
• MongoDB Atlas矢量搜索
• Superduperdb
• kbd.ai

比较

• 来自Vespa
• 向量数据库比较vectorhub
• myscale矢量数据库基准测试

图书馆和发动机

多维数据 /向量

• ？向量DB特征矩阵
• Faiss纸
• typessense
• QDRANT
  • 视频教程，笔记本
• 烦人
• NGT
• PGVECTOR
• 色度
• Llamaindex
• Epsilla
• JVECTOR
• 筏
• 山谷
• 旅行者
• TinyVector
• usearch
• vearch
• MRPT
• 米尔维斯
• 无穷大
• 避风港
• chromem-go
• OASYSDB [笔记本]
• Meilisearch-语义（向量），全文和混合搜索的搜索引擎API
• 阿罗伊 - 大约最近的邻居锈库
• 吹散
• CUV
• VSAG
• sqlite-vec
• myscaledb
• 霍拉
• 阿罗伊
• Kgraph
• 最近的Neighbors.jl
• muopdb

文字

• 比萨
• tantivy
• 声音

其他的

• simsimd： scipy.spatial.distance和numpy.inner的有效替代品

基准和数据库

• 安基准[纸]。

• 十亿级ANNS基准

  • 2021结果
  • Simhadri，Harsha Vardhan等。 “ Big Ann：Neurips'23比赛的结果。” ARXIV预印型ARXIV：2409.17424（2024）。

• 贝尔

• vectordbbench-矢量数据库基准工具，[github]

• Qdrant的矢量数据库基准测试

• MyScale的矢量数据库基准

• Li，Wen等。 “大约最近的邻居搜索高维数据 - 实例，分析和改进。” IEEE知识和数据工程交易32.8（2019）：1475-1488。

• Zeng，Xianzhi等。 “糖果：连续近似近似最近的邻居搜索的基准，并具有动态数据摄入。” ARXIV预印型ARXIV：2406.19651（2024）。

• Intellabs的矢量搜索数据集

图书

• 多维和度量数据结构的基础
• 信息检索简介
• 搜索深度学习
• 矢量检索的基础

会议和讲习班

• VLDB
  • 教程：
    • 高清矢量相似性搜索的新趋势[幻灯片，视频，纸张]
• 野外图像检索（CVPR20）[视频]
• 草垛
• 神经搜索
• ACM MM 2020：有效而有效：朝着开放世界的实例重新识别
  • 十亿个尺寸的大约最近的邻居搜索：[幻灯片，视频]
  • 实例搜索解决问题吗？ [幻灯片，视频]
• 检索增强发电和VESPA [幻灯片]
• SISAP索引挑战
  • 2023年比赛
  • 2024年比赛

课程

• AI -Vector搜索和数据库中的长期内存（COS 495 -PRICKETON）[班级注释]
• Freiburg信息检索WS 2022-2023 [网站，视频讲座]
• 向量相似性搜索和FAISS课程[YouTube播放列表]

其他的

• VectorHub：一个免费的，开源的学习网站（用于高级ML Architects的软件开发人员），有兴趣将矢量检索添加到其ML堆栈中。

出版物

民意调查

• Pan，James Jie，Jianguo Wang和Guoliang Li。 “矢量数据库管理系统的调查”。 ARXIV预印型ARXIV：2310.14021（2023）。 [纸]
• Aumüller，Martin和Matteo Ceccarello。 “最近的近似邻居搜索的最新方法和趋势。” {IEEE}数据工程公告（2023）。
• 最近的邻居搜索：旧的，新的和不可能的。 Andoni，Alexandr。 [纸]
• Ganbarov，Ali等。 “基于图形的近似邻居搜索算法的实验比较。” Arxiv预印型ARXIV：2411.14006（2024）。

量化

资料来源：产品量化调查。

• PQ：最近邻居搜索的产品量化。 Jegou，Herve，Matthijs Douze和Cordelia Schmid。 [纸，代码，朱莉娅代码，纳米克]
• GPU上的K选择：与GPU的十亿个尺度相似性搜索。 Johnson，Jeff，Matthijs Douze和HervéJégou[纸，代码]
• 产品量化的调查。 Matsui，Yusuke，Yusuke Uchida，HervéJégou和Shin'ichi Satoh [Paper]
• OPQ：优化的产品量化。 GE，Tiezheng，Kaiming HE，Qifa KE和Jian Sun [主页，纸，代码，纳米克]
• 更快的ADC：使用SIMD解锁产品量化的隐藏潜力。 André，Fabien，Anne-Marie Kermarrec和Nicolas Le Scouarnec [纸，代码]
  • 使用快速ADC加速最近的邻居搜索。 André，Fabien，Anne-Marie Kermarrec和Nicolas Le Scouarnec [Paper]。
  • 缓存局部性还不够：高性能最近的邻居搜索使用产品量化快速扫描。 FabienAndré，Anne-Marie Kermarrec，Nicolas Le Scouarnec [纸]
• 扫描：通过各向异性矢量量化加速大规模推断。 Guo，Ruiqi，Philip Sun，Erik Lindgren，Quan Geng，David Simcha，Felix Chern和Sanjiv Kumar [Paper，Python/C ++推论，Julia Training/training training/threnderion]
• 倒多指数。 Babenko，Artem和Victor Lempitsky [纸，代码]
• 我们到了吗？产品量化及其硬件加速度。 Fernandez-Marques，Javier，Ahmed F. Abouelhamayed，Nicholas D. Lane和Mohamed S. Abdelfattah。 [纸]
• LIBVQ：一种用于优化向量量化和有效神经检索的工具包。 Li，Chaofan，Zheng Liu，Shitao Xiao，Yingxia Shao，Defu Lian和Zhao Cao。 [纸，代码]
• Matsui，Yusuke，Ryota Hinami和Shin'ichi Satoh。 “可重新配置的倒置索引。”第26届ACM国际多媒体会议论文集。 2018。[纸，项目，代码]
• Aguerrebere，Cecilia等。 “与压缩指数的眼睛眨眼之间的相似性搜索。” ARXIV预印型ARXIV：2304.04759（2023）。
• Huijben，Iris等。 “用隐式神经代码手册的残留量化”。 ARXIV预印型ARXIV：2401.14732（2024）。 [代码]
• Rege，Aniket等。 “ Adanns：自适应语义搜索的框架。”神经信息处理系统的进展36（2024）。
• Amara，Kenza等。 “带有紧凑代码的最近的邻居搜索：解码器的透视。” 2022年国际多媒体检索会议论文集。 2022。
• 克里希南，阿迪亚和江户自由。 “投影聚类产品量化。” ARXIV预印型ARXIV：2112.02179（2021）。
• Noh，Haechan，Taeho Kim和Jae-Pil Heo。 “产品量化器意识到倒置索引，以进行可扩展的邻居搜索。” IEEE/CVF计算机视觉国际会议论文集。 2021。
• Zhan，Jingtao等。 “共同优化查询编码器和产品量化以提高检索性能。”第30届ACM国际信息与知识管理会议论文集。 2021。
• Wang，Runhui和Dong Deng。 “ Deltapq：无损产品量化代码压缩，用于高维相似性搜索。” VLDB捐赠的会议记录13.13（2020）：3603-3616。
• 张，年轻的Kyun和Nam Ik Cho。 “半监督图像检索的广义产品量化网络。” IEEE/CVF计算机视觉和模式识别会议论文集。 2020。
• Chen，Ting，Lala Li和Yizhou Sun。 “端到端嵌入压缩的可区分产品量化。”国际机器学习会议。 PMLR，2020年。
• Huang，Rong等。 “在Web搜索中学习离散文档表示。”第29届ACM SIGKDD知识发现和数据挖掘会议论文集。 2023。
• Nardini，Franco Maria，Cosimo Rulli和Rossano Venturini。 “有效的多矢量密集检索，可与位矢量进行。”欧洲信息检索会议。 CHAM：Springer Nature Switzerland，2024。[代码]
• Gao，Jianyang和Cheng Long。 “ Rabitq：量化具有大约最近邻居搜索的理论误差的高维矢量。” ARXIV预印型ARXIV：2405.12497（2024）。 [（代码）[https://github.com/gaoj0017/rabitq]]
• Gao，Jianyang等。 “欧几里得空间中高维矢量的实际和渐近量化，以供近似最近的邻居搜索。” ARXIV预印型ARXIV：2409.09913（2024）。
• Mohoney，Jason等。 “用于流矢量搜索的增量IVF索引维护。” ARXIV预印型ARXIV：2411.00970（2024）。
• 杨，mingyu，wenao li和魏王。 “快速高维的近似近似邻居搜索，并有效地指数时间和空间。” ARXIV预印型ARXIV：2411.06158（2024）。

基于图的方法

• Wang，Zeyu等。 “用于高维矢量相似性搜索的基于图形和树的索引：分析，比较和未来方向。”数据工程（2023）：3-21。
• 基于图的近似近似邻居搜索的全面调查和实验比较。 Wang，Mengzhao，Xiaoliang Xu，Qiang Yue和Yuxiang Wang。 [纸，代码]
• Lin，Peng-Cheng和Wan-Lei Zhao。 “基于图形的最近的邻居搜索：承诺和失败。” Arxiv预印型ARXIV：1904.02077（2019）。
• HNSW：使用层次可导航的小世界图表有效且健壮的近似近似近似搜索。 Malkov，Yu A.和Dmitry A. Yashunin。 [纸，代码，生锈版本，GO版本]
• 将基于图的ANN算法扩展到数十亿个大小的数据集：比较分析。 Dobson，Magdalen，Zheqi Shen，Guy E. Blelloch，Laxman Dhulipala，Yan Gu，Harsha Vardhan Simhadri和Yihan Sun。 [纸]
• 手指：基于图的近似近邻居搜索的快速推断。 Chen，Patrick，Wei-Cheng Chang，Jyun-Yu Jiang，Hsiang-Fu Yu，Inderjit Dhillon和Cho-Jui Hsieh [纸，视频]
• NSG：导航扩展图，以进行大约最近的邻居搜索。 Fu，Cong，Chao Xiang，Changxu Wang和Deng Cai。 [纸，代码]
• EFANNA：基于KNN图的非常快的最近的邻居搜索算法。康凯康。 [纸，代码]
• Khan，Saim等。 “ Bang：使用单个GPU的十亿级近似邻居搜索。” ARXIV预印型ARXIV：2401.11324（2024）。
• Ootomo，Hiroyuki等。 “ Cagra：高度平行的图结构和大约最近的邻居寻找GPU。” ARXIV预印型ARXIV：2308.15136（2023）。
• Oguri，Yutaro和Matsui Yusuke。 “基于图的近似邻居搜索的自适应入口点选择的理论和经验分析。” ARXIV预印型ARXIV：2402.04713（2024）。
• Oguri，Yutaro和Matsui Yusuke。 “基于现场图的索引的一般和实用调整方法：Utokyo团队的SISAP索引挑战报告。”国际相似性搜索和应用会议。 CHAM：瑞士施普林格自然，2023年。
• Wang，Mengzhao等。 “ Starling：用于数据段上的高维矢量相似性搜索的I/O效率磁盘驻留图索引框架。” ARXIV预印型ARXIV：2401.02116（2024）。 [代码]
• Manohar，Magdalen Dobson等。 “ Parlayann：可扩展和确定性并行图的近似近似邻居搜索算法。”第29届ACM Sigplan年度专题讨论会上关于并行编程的原则和实践的研讨会。 2024。[代码]
• Wang，Mengzhao等。 “具有属性约束的近似近似邻居搜索的高效且健壮的框架。”神经信息处理系统的进展36（2024）。
• Yu，Shangdi等。 “ PECANN：基于图的近似邻居搜索，并行有效聚类。” ARXIV预印型ARXIV：2312.03940（2023）。
• Azizi，Ilias，Karima Echihabi和Themis Palpanas。 “ ELPIS：基于图的相似性搜索可扩展数据科学。” VLDB end赋的论文集16.6（2023）：1548-1559。
• Indyk，Piotr和Haike Xu。 “受欢迎的近似邻居搜索实现的最糟糕的表现：保证和限制。”神经信息处理系统的进展36（2024）。
• Liu，Jun等。 “优化基于图形的近似邻居搜索：较强，更聪明。” 2022年23日IEEE国际移动数据管理会议（MDM）。 IEEE，2022年。
• Wang，Hui，Yong Wang和Wan-Lei Zhao。 “基于图的近似NN搜索：重新访问。” ARXIV预印型ARXIV：2204.00824（2022）。
• Peng，Zhen等。 “速度：低延迟和高临界性最近通过Query Paralleleism搜索。” ARXIV预印型ARXIV：2201.13007（2022）。
• Lu，Kejing等。 “ HVS：基于Voronoi图的分层图结构，用于求解大约最近的邻居搜索。” VLDB捐赠的论文集15.2（2021）：246-258。 [代码]
• Yingfan，Liu，Cheng Hong和Cui Jiangtao。 “在高维数据上重新访问$ k $ neart的邻居图：实验和分析。” ARXIV预印型ARXIV：2112.02234（2021）。
• 朱，丹东和张张。 “了解和概括单调接近图，以进行大约最近的邻居搜索。” ARXIV预印型ARXIV：2107.13052（2021）。
• Gottesbüren，Lars等。 “用于大规模最近邻居搜索的图形分区。” ARXIV预印型ARXIV：2403.01797（2024）。
• 辛格，阿迪蒂等。 “ FreshDiskann：用于流式传输相似性搜索的快速准确的基于图的ANN索引。” ARXIV预印型ARXIV：2105.09613（2021）。
• Wang，Hui，Wan-Lei Zhao和Xiangxiang Zeng。 “ GPU上的大规模k-nn图构造。” ARXIV预印型ARXIV：2103.15386（2021）。
• Patel，Liana等。 “橡子：对矢量嵌入和结构化数据的性能和谓词无形的搜索。” Arxiv预印型ARXIV：2403.04871（2024）。
• Zuo，Chaoji等。 “农奴：用于范围过滤的片段图，近似最近的邻居搜索。” ACM在数据管理方面的会议记录2.1（2024）：1-26。
• Hezel，Nico等。 “具有连续细化的探索图，可有效地进行多媒体检索。” 2024年国际多媒体检索会议论文集。 2024。
• 小，货钉等。 “为实时更新增强HNSW索引：解决无法到达的点和性能退化。” ARXIV预印型ARXIV：2407.07871（2024）。
• Yang，Shuo等。 “重新访问基于图形的近似近似近距搜索的索引构建。” ARXIV预印型ARXIV：2410.01231（2024）。
• GOU，Yutong等。 “ SymphonyQG：迈向量化和图形的同义集成，以进行大约最近的邻居搜索。” ARXIV预印型ARXIV：2411.12229（2024）。
• Yang，Ming，Yuzheng Cai和Weiguo Zheng。 “ CSPG：跨越稀疏的接近图，以进行大约最近的邻居搜索。”神经信息处理系统的第三十八届年度会议。

基于树的方法

• Jayaram Subramanya，Suhas等。 “ Diskann：在一个节点上快速准确的十亿点最近邻居搜索。”神经信息处理系统的进展32（2019）。 [代码]
• Li，Haitao等。 “构建基于树的指数，以高效地检索。” ARXIV预印型ARXIV：2304.11943（2023）。
• 恩格斯，约书亚等。 “带窗户过滤器的大约最近的邻居搜索。” ARXIV预印型ARXIV：2402.00943（2024）。
• Song，Yang等。 “ Promp：具有轻巧指数的有效高维的最大内部产品搜索。” 2021 IEEE第37届国际数据工程会议（ICDE）。 IEEE，2021年。
• Zhu，Yifan等。 “ GTS：基于GPU的树索引，用于快速相似性搜索。” ARXIV预印型ARXIV：2404.00966（2024）。
• Tatsuno，Kento等。 “ AISAQ：无DRAM信息检索的产品量化的全储物柜。” ARXIV预印型ARXIV：2404.06004（2024）。

哈希

• 学习哈希的很棒的论文
• 关于学习哈希的调查。 Wang，Jingdong，Ting Zhang，Nicu Sebe和Heng Tao Shen [纸]
• 一项有关深哈希方法的调查。 Luo，Xiao，Haixin Wang，Daqing Wu，Chong Chen，Minghua Deng，Jianqiang Huang和Xian-Sheng Hua。 [纸]
• 迭代量化：一种学习大规模图像检索的二元代码的方法。 Gong，Yunchao，Svetlana Lazebnik，Albert Gordo和Florent Perronnin [Paper，Python Code，Matlab Code]
• Gan，Yukang等。 “在腾讯中基于二进制嵌入的检索。” ARXIV预印型ARXIV：2302.08714（2023）。
• Yan，Bencheng等。 “基于二进制代码的哈希嵌入Web尺度应用程序。”第30届ACM国际信息与知识管理会议论文集。 2021。
• Weng，Zhenyu和Yuesheng Zhu。 “无监督的在线散列，并具有多位量化。”亚洲计算机视觉会议的会议记录。 2022。
• Huang，Qiang，Yifan Lei和Anthony KH Tung。 “点到hypplane最近的邻居搜索超过单位超球。” 2021年国际数据管理会议论文集。 2021。
• Weng，Zhenyu，Yuesheng Zhu和Ruixin Liu。 “通过加权锤距离对二进制代码进行快速搜索。” ARXIV预印型ARXIV：2009.08591（2020）。
• Jian，Xiaozheng等。 “通过GPU上的XOR友好二进制量化搜索快速的TOP-K余弦相似性搜索。” ARXIV预印型ARXIV：2008.02002（2020）。
• Zheng，Bolong等。 “ PM-LSH：用于高维近似NN搜索的快速准确的LSH框架。” VLDB捐赠的会议记录13.5（2020）：643-655。
• Eghbali，Sepehr。 “具有紧凑型代码的可扩展最近的邻居搜索。” （2019）。
• Lei，Yifan等。 “基于最长的圆形共链的局部敏感的哈希方案。” 2020年ACM Sigmod国际数据管理会议论文集。 2020。
• Wei，Jiuqi等。 “ det-lsh：具有动态编码树的局部敏感散列方案，可用于大约最近的邻居搜索。” ARXIV预印型ARXIV：2406.10938（2024）。

其他方法

• Chen，Qi等。 “ SPANN：高效的十亿个尺寸的近似邻居搜索。” ARXIV预印型ARXIV：2111.08566（2021）。 [代码]
• Li，Yuliang等。 “基于指数的，高维的余弦阈值查询，并提供最佳保证。”计算系统理论65（2021）：42-83。
• Chen，Yewang等。 “半凸面船体树：快速最近的邻居查询GPU上的大型数据。” 2018 IEEE国际数据挖掘会议（ICDM）。 IEEE，2018年。
• 恩格斯，约书亚，本杰明·科尔曼和安舒马利·史里瓦斯塔瓦。 “通过小组测试实用的邻居搜索。”神经信息处理系统的进展34（2021）：9950-9962。 [补充]
• Gong，Long等。 “ IDEC：可索引的距离估计代码，用于大约最近的邻居搜索。” VLDB捐赠的会议记录13.9（2020）。
• Lu，Kejing等。 “ VHP：大约通过虚拟超孔分区搜索最近的邻居搜索。” VLDB end赋论文集13.9（2020）：1443-1455。
• Bing Tian，Haikun Liu，Yuhang Tang，Shihai Xiao，Zhuohui Duan，Xiaofei Liao，Xuecang Zhang，Junhua Zhu，Yu Zhang。 “ FusionAnns：有效的CPU/GPU合作处理架构，可用于十亿个尺寸最近的邻居搜索。” （2024）。
• Chen，Zhonghan等。 “探索最近邻居搜索在高维空间中的有意义。” Arxiv预印型ARXIV：2410.05752（2024）。
• Tepper，Mariano等。 “ GLEANVEC：通过简约的非线性维度降低加速矢量搜索。” ARXIV预印型ARXIV：2410.22347（2024）。
• Li，Jingyu等。 “ Panther：在单个服务器设置中的私人大约最近的邻居搜索。”密码学EPRINT档案馆（2024）。
• Wei，Jiuqi等。 “子空间碰撞：高维近似近似邻居搜索的有效，准确的框架。” ARXIV预印型ARXIV：2411.14754（2024）。

系统

• 秦，等。 “迷宫：网络规模上的一个具有成本效益的视频重复数据删除系统。”第30届ACM国际多媒体会议论文集。 2022。
• Doshi，Ishita等。 “兰恩斯：网络尺度大约最近的邻居查找系统。” ARXIV预印型ARXIV：2010.09426（2020）。
• Chen，Yaoqi等。 “ Onesparse：用于多指数向量搜索的统一系统。” ACM在2024年网络会议上的同伴会议记录。2024年。

其他的

• 搜索优化，并通过查询似然增强和对边缘设备的两级近似搜索
• Gao，Jianyang和Cheng Long。 “高维的近似近似邻居搜索：具有可靠，有效的距离比较操作。” ACM在数据管理方面的论文集1.2（2023）：1-27。
• 在推荐系统中大约最近的邻居搜索。 Yury Malkov。
• 与急流筏在GPU上加速矢量搜索。科里·诺雷特（Corey Nolet）
• Gupta，Gaurav等。 “上限：用于过滤相似性搜索的实际分区索引。” ARXIV预印型ARXIV：2308.15014（2023）。
• 朱，Yuhao。 “ RTNN：使用硬件射线跟踪加速邻居搜索。”第27届ACM Sigplan研讨会论文集，关于并行编程的原则和实践。 2022。[代码]
• Levi，Asaf等。 “物理与逻辑索引，{indue}：倒置{dewuplication-ware} index。”第22届USENIX会议文件和存储技术（快速24）。 2024。[代码]
• Carra，Damiano和Giovanni Neglia。 “用一只k-nn缓存拿两只鸟。” 2021 IEEE全球通信会议（Globecom）。 IEEE，2021年。
• 塞勒姆（Salem），塔雷克（Tareq Si），乔瓦尼·内利亚（Giovanni Neglia）和达米亚诺·卡拉（Damiano Carra）。 “带有近似索引的上升相似性缓存。”网络上的IEEE/ACM交易（2022）。
• Li，Conglong等。 “通过学习的自适应早期终止，改善近似最近的邻居搜索。” 2020年ACM Sigmod国际数据管理会议论文集。 2020。
• Karppa，Matti，MartinAumüller和Rasmus Pagh。 “ Deann：使用大约最近的邻居搜索加速内核密度估计。”国际人工智能与统计会议。 PMLR，2022年。
• Wang，Zeyu等。 “距离比较操作员，用于近似最近的邻居搜索：探索和基准。” ARXIV预印型ARXIV：2403.13491（2024）。
• Szilvasy，Gergely，Pierre-EmmanuelMazaré和Matthijs Douze。 “矢量搜索小径。” ARXIV预印型ARXIV：2403.10746（2024）。
• Han，Changhun，Suji Kim和Ha-Myung Park。 “使用多级块索引在时间累积的高维数据中有效邻近搜索。” （2024）。
• Tepper，Mariano等。 “ Leanvec：通过使其适合您的矢量更快地搜索媒介。” ARXIV预印型ARXIV：2312.16335（2023）。
• Harwood，Ben等。 “在动态数据集上的大约最近的邻居搜索：调查。” ARXIV预印型ARXIV：2404.19284（2024）。
• 表征十亿个矢量搜索中性能和索引大小的困境，并用二线内存打破它
• 徐，海克。受欢迎的近似近似邻居搜索实现的最差表现：保证和限制。指责。马萨诸塞州理工学院，2024年。
• 林，吉米。 “对于浓密而稀疏的猎犬的操作建议：HNSW，扁平或倒置索引？”。 ARXIV预印型ARXIV：2409.06464（2024）。
• 周，Mingxun，Elaine Shi和Giulia Fanti。 “ PACMANN：有效的私人大约最近的邻居搜索。”密码学EPRINT档案馆（2024）。

？评估与指标

• 您的意思是哪个BM25？评分变体的大规模可重复性研究。 Kamphuis，Chris，Arjen P. de Vries，Leonid Boytsov和Jimmy Lin [Paper]

？文章和谈话

• 什么是矢量数据库？
• 向量数据库（第1部分）：是什么使每个人都不同？
• eBay的巨大速度十亿个尺度矢量相似性引擎
• 计算机愿景聚会：计算机视觉应用程序与矢量数据库的规模应用
• 如何在2023年选择矢量数据库？
• 我们真的需要专门的矢量数据库吗？
• 向量数据库不是单独的数据库类别
• 向量数据库：第一原理方法
• 向量搜索抹布教程 - 将您的数据与LLM与高级搜索结合
• 使用MILVUS与NVIDIA MERLIN的MILVUS中有效的矢量相似性搜索
• 向量数据库：初学者指南！
• 向量数据库和弹簧IA
• 如何处理抹布应用中的百万个矢量嵌入
• Meilisearch如何在不到一分钟的时间内更新数百万个矢量嵌入数据库
• 使用矢量数据库时避免的常见陷阱
• 开始使用矢量数据库
• 选择语义搜索的最佳模型

相关列表

• 很棒的矢量搜索引擎