similarity search

6시간 전 · software

벡터 검색 메트릭: 왜 당신의 '거리'가 잘못됐을 수 있는가

처음에는 벡터 데이터베이스를 통합하는 것이 다른 Python 라이브러리를 배우는 것만큼 간단할 것이라고 생각했으며, 복잡한 설정을 나중까지 건너뛸 수 있다고 가정했습니다...

#vector-databases #Milvus #metric-types #similarity-search #embeddings #distance-metrics #Python
1주 전 · ai

벡터 검색 최적화: 구조화된 데이터를 평탄화해야 하는 이유

구조화된 데이터를 평탄화하면 정밀도와 재현율을 최대 20%까지 향상시킬 수 있다는 분석. 게시물: Optimizing Vector Search: Why You Should Flatten Structured D...

#vector search #data flattening #structured data #precision #recall #embeddings #similarity search
0개월 전 · ai

대규모 HNSW: 벡터 데이터베이스가 커질수록 RAG 시스템이 악화되는 이유

근사 벡터 검색이 어떻게 조용히 Recall을 저하시키는지—그리고 이를 해결하는 방법. 게시물 “HNSW at Scale: 왜 당신의 RAG 시스템이 벡터 데이터베이스가 커짐에 따라 악화되는가”.

#HNSW #vector search #approximate nearest neighbor #RAG #recall degradation #vector database scaling #similarity search
1개월 전 · ai

Vector DB를 언제 (사용하고) 언제 사용하지 않을지

인덱싱이 도움이 되기보다 해가 될 때: 우리 RAG 사용 사례가 벡터 데이터베이스가 아니라 키‑값 스토어가 필요하다는 것을 어떻게 깨달았는가. The post “When Not to Use Vector DB” …

#vector database #RAG #key-value store #embeddings #similarity search #LLM