ANN 近似最近邻检索算法是什么
哪些公司问过
答案要点
- ANN 即近似最近邻,用少量召回率损失换检索速度,适合大规模向量检索
- 图索引 HNSW:多层近邻图贪心搜索,召回高、速度快、内存占用大
- 倒排 IVF:先聚类分桶,查询只搜最近的 nprobe 个桶
- 量化 PQ:分段压缩编码节省内存,常与 IVF 组合使用
- 关键权衡:召回率、延迟、内存与建索引成本,常用 Faiss、Milvus 实现
易错点
- 把检索语境的 ANN 误答成人工神经网络
- 以为 ANN 结果精确,忽略召回率损失
- 只看速度不看内存,HNSW 在大规模数据上内存开销可观
- 距离度量(内积、余弦、L2)与向量是否归一化不匹配
面试官常见追问
- 这个 ANN 和人工神经网络有什么区别?
- HNSW 的主要参数怎么调?
- 怎么评估 ANN 索引效果?
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。