IVF-TQ：通过无码本残留层进行无校准流矢量搜索

针对流式语料库部署的近似最近邻 (ANN) 索引在数周内悄然失去了召回率。标准诊断是分布偏移，但在 shuffled-i.i.d. 下。摄取——根本没有变化——在次匹配的比特预算下，产品量化仍然下降-3.8pp。主要的生产压缩方法（PQ、OPQ、ScaNN）都将码本拟合到初始样本，并在数据库按数量级增长时重复使用它。本文提出了 IVF-TQ，一种倒排文件索引，其残余压缩层与数据无关：固定随机旋转，后跟仅由位宽 b 和维度 d 参数化的预计算 Lloyd-Max 标量量化器。仅训练 IVF 粗 k 均值分区。仅依赖于 (b, d, delta) 的均匀球内积误差界限提供了学习码本方法所不允许的结构保证。相同的无码本设计可实现 IVF 放大效果，将与扩展 RaBitQ 的差距缩小到统计噪声范围内（在匹配的比特预算下，比平坦 TQ + 17.7pp），并且自适应变体可在不触及压缩层的情况下刷新分区。在 9 个受控单元（三个 10M 数据集、三个 PQ 内存机制、三个种子）中，每批次 PQ 码本重新训练永远无法恢复流间隙； IVF-PQ 流稳定性需要每个数据集的位预算调整，而 IVF-TQ 在所有三个数据集上保持一种固定 (b, d) 配置，Delta 为 [-0.80, +0.56]pp。该贡献是可操作的：没有要训练的密码本，没有每个数据集的比特预算调整，没有缩小差距的再训练周期。