𝗡𝗲𝗮𝗿𝗹𝘆 𝗵𝗮𝗹𝗳 𝘆𝗼𝘂𝗿 𝗠𝗶𝗹𝘃𝘂𝘀 𝘀𝗲𝗮𝗿𝗰𝗵 𝗰𝗮𝗽𝗮𝗰𝗶𝘁𝘆 𝗺𝗮𝘆 𝗯𝗲 ...
Milvus(@milvusio)188 字 (约 1 分钟)
85
Milvus通过Force Merge Compaction可提升查询性能1.8倍，降低延迟三分之一。
入选理由：Force Merge Compaction使QPS从3000提升至5400-5800（1.8倍）
FeaturedTweet#Milvus#向量数据库#性能优化#Force Merge中英混合
模型
HNSW
别名：Hierarchical Navigable Small World
向量相似性搜索算法。
已跟踪 4 条高相关材料
TraeAI 观察
最近变化
2026-07-07 · Force Merge Compaction使QPS从3000提升至5400-5800（1.8倍）
为什么值得关注
HNSW 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
HNSWMilvus向量数据库APIForce Merge
如果只读 3 篇
1
𝗡𝗲𝗮𝗿𝗹𝘆 𝗵𝗮𝗹𝗳 𝘆𝗼𝘂𝗿 𝗠𝗶𝗹𝘃𝘂𝘀 𝘀𝗲𝗮𝗿𝗰𝗵 𝗰𝗮𝗽𝗮𝗰𝗶𝘁𝘆 𝗺𝗮𝘆 𝗯𝗲 ...
Milvus(@milvusio) · 8.5 分
Milvus通过Force Merge Compaction可提升查询性能1.8倍，降低延迟三分之一。
2
We built HNSW directly on the embedding lists, with no encoding step in between. 𝗧𝗵𝗲 ...
Milvus(@milvusio) · 8.5 分
Milvus 直接在嵌入列表上构建 HNSW 索引，无需编码步骤，质量几乎无损失，且优于现有近似策略。
3
Spending half your budget on memory just to keep your vector index running? There's a better way. ...
Weaviate • vector database(@weaviate_io) · 8.5 分
Weaviate提出了一种新的内存管理方案HFresh，通过将向量存储在磁盘上并仅保留紧凑的中心索引来降低内存使用。
相关材料
已收录 4 条与 HNSW 相关的内容，按评分排序。
We built HNSW directly on the embedding lists, with no encoding step in between. 𝗧𝗵𝗲 ...
Milvus(@milvusio)370 字 (约 2 分钟)
85
Milvus 直接在嵌入列表上构建 HNSW 索引，无需编码步骤，质量几乎无损失，且优于现有近似策略。
入选理由：直接在嵌入列表上构建 HNSW 索引，质量接近 BruteForce 方法。
FeaturedTweet#HNSW#向量搜索#Milvus#嵌入列表英文
Deliver Better Recommendations with Qdrant’s new API
Qdrant2207 字 (约 9 分钟)
85
Qdrant 1.6 推出更灵活的推荐 API，支持正负样本混合输入和多种搜索策略，提升推荐系统效果。
入选理由：Qdrant 1.6 支持正负样本混合输入，提升推荐系统灵活性。
FeaturedArticle#Qdrant#推荐系统#向量数据库#API英文
Weaviate AI Database on X: How to Spend Half Your Budget on Memory to Keep Your Vector Index Running?
Weaviate • vector database(@weaviate_io)243 字 (约 1 分钟)
85
Weaviate proposes a new memory management solution HFresh, which stores vectors on disk and retains only a compact centroid index in memory to reduce memory usage.
入选理由：HFresh节省内存达50%以上
FeaturedTweet#Weaviate#vector database#memory management#HNSW中文