最新

Hi HN， 我一直在开发一个名为 QSS（量化相似性搜索）的向量搜索引擎。它用 C 语言编写，探索了将嵌入向量积极量化为每维度 1 位的想法。它使用 XOR + popcount 进行快速近似搜索，然后使用原始向量的余弦相似度进行重新排序。 主要目标是看看在不牺牲太多搜索质量的前提下，量化能做到什么程度——同时在内存使用和速度方面获得显著提升。 工作原理 嵌入被量化为每维度 1 位（例如，300D → 300 位 → ~40 字节）。 搜索使用按位 XOR 和 popcount（汉明距离）完成。 使用原始（浮点）嵌入的余弦相似度对短列表进行重新排序。 支持 GloVe、Word2Vec 和 fastText 格式。 目标 分析量化和搜索精度之间的权衡。 衡量潜在的速度和内存增益。 探索这种方法如何随更大的数据集扩展。 初步测试 到目前为止，我只运行了几个小规模的测试，但初步迹象令人鼓舞： 对于某些查询（例如“hello”、“italy”），前 30 个结果与全精度余弦搜索匹配。 在 Word2Vec 嵌入上，量化管道的速度比标准余弦相似度循环快 18 倍。 这些结果目前只是个例——我会在深入基准测试之前分享该项目，以获得反馈。 其他说明 目前，单词查找是线性的，并且未优化——重点是相似性搜索逻辑。 测试是在 2018 年的 iMac（3.6 GHz Intel i3）上单线程进行的。 如果您对向量搜索、量化或低级性能技巧感兴趣，我很乐意听取您的想法： 您认为这种激进的量化可以在大规模应用中发挥作用吗？ 您是否推荐其他值得探索的快速近似搜索技术？ 代码库在这里：https://github.com/buddyspencer/QSS 感谢您的阅读！

嗨，HN！ 我开发了 TNX API，让使用数据库像用简单的英语提问一样简单。 它的功能： * 你用自然语言提问（例如，“列出价格 > 20 美元的商品”） * 我们的系统将其转换为 SQL 并运行 * 你得到实际的结果，可以选择可视化 * 你的数据保持私密——什么都不存储，AI 看不到，API 在回复后立即忘记 我创建它的原因： 对于许多团队来说，为日常问题编写 SQL 仍然是一个障碍。我想要一个注重隐私、即插即用的 API，只需使用自然语言即可工作。TNX 不仅仅是翻译——它执行查询并返回实际答案（不仅仅是 SQL）。 示例： * 你问：“今年按产品类别划分的总销售额是多少？” → TNX 回复：[家具：43,000 美元，电子产品：12,000 美元] + “想要图表吗？” * 你问：“哪些客户在过去 90 天内没有订购？” → TNX 回复姓名或 ID，并提供后续操作 说明： * 基于现代 AI 模型（小巧 + 快速） * 无需发送完整的数据库转储——只需元数据/配置 + 实时访问 * 轻松的 API 集成 * （奖励：如果你有兴趣，我可以为你处理设置 + 定制） 试用： [https://www.tnxapi.com/UI/login.php](https://www.tnxapi.com/UI/login.php) （用户名：“hi@tnxapi.com”，密码“1”（这样不容易忘记）） （示例提示： * “请给我 idpk = 20 的产品的名称、ShortDescription 和价格。”或者 * “请列出 idpk 从 10 到 20 的所有产品价格。”然后 * “请列出 idpk 从 10 到 20 的所有产品价格。”（我为此测试复制了一些我的数据库，很抱歉数据是德语 xd）） 谢谢， Lasse Tramann （欢迎联系 hi@tnxapi.com : ) ）