ANN

Определение

Класс алгоритмов для приближённого поиска ближайших соседей, используемый в векторных базах данных и RAG-системах.

Где встречается

• 8. Как вы обрабатываете запросы, на которые нет ответа в документах
• 12. Как вы фильтруете документы по метаданным в векторной БД
• 18. Что такое Multi-vector retrieval и зачем он нужен
• 222. Что такое IVF (Inverted File Index) и как он сравнивается с HNSW по speedquality
• 223. Как работает Product Quantization (PQ) для сжатия векторов
• 224. OPQ (Optimized Product Quantization) vs PQ — в чем разница
• 225. Как вы выбираете параметры HNSW (M, ef_construction, ef_search) под свои данные
• 226. Что такое Filtered ANN Search и как оно реализовано в Qdrant vs Weaviate
• 233. Как вы делаете hybrid search (vector + keyword) в production на 10M документов
• 234. Что такое Learned Index Structures for ANN Новые подходы 2025-2026.
• 235. Как вы выбираете ANN алгоритм под ваш use case (volume, dimensionality, budget)
• 372. Как вы строите двухступенчатый ретривал (fast ANN + slow cross-encoder) в RAG
• 525. Как вы управляете cost хранения векторной БД при миллиарде векторов
• 563. Как вы делаете image retrieval с фильтрацией по метаданным (дата, местоположение, камера)
• 750. Как устроена Memory в Harness (in-memory, fs, vector stores, relay)
• 827. Какие есть стратегии распределённого кэширования для LLM (Redis Cluster, Memcached, Hazelcast)
• Практика
• 800+ вопросов
• 12. Настроить mmap для embeddings
• 269. Реализовать hard negative mining для retrieval

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление