Milvus(@milvusio)
To change the embedding model in a live search app, you need to build new document vectors while the...
8.5内容质量

TL;DR · AI 摘要
Milvus 3.0支持在不中断搜索时升级嵌入模型,通过保留新旧向量实现平滑过渡,实测Recall@10提升3.8个百分点。
核心要点
- Milvus 3.0允许同一集合中同时存在新旧向量字段
- BGE模型升级使SciFact测试集Recall@10从0.8362提升至0.8742
- 升级流程包含5个阶段:添加字段、回填数据、评估验证、流量迁移、清理旧字段
结构提纲
按章节快速跳转。
思维导图
用一张图看清主题之间的关系。
查看大纲文本(无障碍 / 无 JS 友好)
- Milvus 3.0模型升级
- 核心机制
- 并行存储新旧向量
- 升级流程
- 添加新字段
- 数据回填
- 模型评估
- 流量迁移
- 清理旧字段
- 效果验证
- Recall@10提升3.8%
金句 / Highlights
值得收藏与分享的关键句。
Milvus 3.0允许在同一个collection中同时保留新旧向量字段
BGE模型升级使SciFact测试集Recall@10从0.8362提升至0.8742
升级流程包含5个阶段:添加字段、回填数据、评估验证、流量迁移、清理旧字段
#Milvus#向量数据库#模型升级#搜索应用#Recall@10
打开原文Milvus on X: "在实时搜索应用中更换嵌入模型时,需要在旧向量仍可搜索的同时构建新的文档向量。Milvus 3.0 让您在迁移过程中同时保留两组向量在同一个集合中。我们的新教程覆盖了该过程:1. 添加新的向量字段和索引。2. 使用现有文档ID回填数据,同时保持新文档和更新文档同步。3. 检查向量和索引是否就绪,然后在相同查询上评估两个模型。4. 逐步切换流量。将每个查询模型与包含其文档向量的字段配对。5. 在发布稳定且旧请求完成之后,移除旧字段。在 SciFact 示例中,从 BGE-small-en-v1.5 升级到 BGE-base-en-v1.5 使 300 个测试查询的 Recall@10 从 0.8362 提升至 0.8742。您的结果将取决于您的数据,这也是评估和回滚步骤重要的原因。阅读教程:
milvus.io/blog/milvus-3-…
2026年11月3日 下午3:05
·
218
浏览量
1