向量检索常用的近似最近邻算法
哪些公司问过
佰聆数据1
答案要点
- 精确KNN即暴力搜索,结果精确但耗时随数据量线性增长,常作为评估ANN召回率的基准
- LSH用局部敏感哈希把相近向量分到同一桶,实现简单,但通常要多张哈希表才能保证召回
- IVF聚类分桶,用nprobe控制搜索的簇数;PQ乘积量化压缩向量,常组合为IVF-PQ
- HNSW多层图上贪心搜索,参数M、efConstruction、efSearch在召回、速度和内存之间权衡
- 选型综合数据规模、内存预算、召回要求和增删频率,Faiss、Milvus等都提供多种索引
易错点
- 认为ANN结果一定精确,实际是用召回率换速度,需要用暴力检索结果评估recall
- 把KNN分类算法和K近邻检索混为一谈
- 只说HNSW快,不提它内存开销大、删除和更新相对麻烦
面试官常见追问
- BM25与向量检索的区别是什么?各有什么优势?
- 两路结果如何归一化融合?占比怎么定?还有别的做法吗?
- HNSW为什么快?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。