[Submitted on 23 Jul 2026]

View PDF HTML (experimental)

Abstract:一年一度的 SISAP 索引挑战赛在严格约束条件下对近似最近邻搜索（ANNS）算法进行基准测试。本文介绍了我们为 2026 年赛事提交的成果，涵盖了在 1024 维 BGE-M3 嵌入上构建 k-最近邻图（kNNG）的任务 1，以及在未归一化的 Llama-3.2-8B 特征上进行最大内积搜索（MIPS）的任务 2。为优化构建速度，我们采用等沃罗诺伊多面体（EVP）进行高效量化，并辅以定向重排序策略以保持高召回率。对于 MIPS，我们通过维度增广将非对称内积问题转化为欧氏搜索空间。为降低查询延迟并优化内存访问，我们在图构建前引入基于快速线性分配排序（FLAS）的 1D 预排序机制。这显著改善了后续图遍历过程中的空间局部性和缓存命中率。
Source Code: this https URL

Submission history

From: Nico Hezel [view email]
[v1] Thu, 23 Jul 2026 06:35:12 UTC (199 KB)