论文
高维 LLM 嵌入的快速高效近似最近邻搜索
Fast and Efficient Approximate Nearest Neighbor Search for High-Dimensional LLM Embeddings
摘要
年度 SISAP 索引挑战赛在严格的约束下对近似最近邻搜索 (ANNS) 算法进行基准测试。本文介绍了我们在 2026 年版中提交的内容，解决了 1024 维 BGE-M3 嵌入上的 $k$-最近邻图 (kNNG) 构造（任务 1）和非标准化 Llama-3.2-8B 特征上的最大内积搜索 (MIPS)（任务 2）。为了优化构建速度，我们利用 Equi-Voronoi Polytopes (EVP) 进行高效量化，并辅以有针对性的重新排名策略以保持高召回率。对于 MIPS，我们通过维度增强将不对称内积问题转换为欧几里德搜索空间。为了减少查询延迟并优化内存访问，我们在图构建之前通过快速线性分配排序（FLAS）引入一维预排序机制。这显着提高了后续图遍历期间的空间局部性和缓存命中率。源代码：https://github.com/Visual-Computing/sisap26-deglib