向量索引 IVF 与 HNSW 原理与选型
哪些公司问过
答案要点
- IVF:k-means 聚类分桶,查询只搜 nprobe 个最近簇,需要训练
- IVF_SQ8、IVF_PQ 通过量化压缩向量,节省内存但损失一定精度
- HNSW:分层图,自顶向下贪心搜索,召回高延迟低,但内存占用大
- 选型:内存充足追求效果用 HNSW;超大规模或内存敏感用 IVF_PQ 或磁盘索引
- BM25 是关键词检索而非向量索引,常与向量检索混合召回
易错点
- 把 BM25 说成向量索引
- 以为 HNSW 内存开销小,实际图结构额外占用不少内存
- 调大 nprobe 或 ef 只看召回不看延迟
面试官常见追问
- 针对专业术语的语义偏移,除了混合检索,试过微调 Embedding 吗?
- HNSW 的参数怎么调?
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。