Dans le domaine de la recherche vectorielle, un développement intrigant est apparu : la recherche vectorielle binaire. Cette approche s'avère prometteuse pour résoudre le problème de longue date de la consommation de mémoire en atteignant une réduction remarquable de 30 fois. Cependant, un aspect critique qui suscite le débat est son effet sur l’exactitude.

Nous pensons que l’utilisation de la recherche de vecteurs binaires, associée à des techniques d’optimisation spécifiques, peut maintenir une précision similaire. Pour clarifier ce sujet, nous présentons une série d'expériences qui démontreront les effets et les implications de cette approche.

Qu'est-ce qu'un vecteur binaire ?

Un vecteur binaire est une représentation d'un vecteur dans laquelle chaque élément du vecteur est codé sous forme de valeur binaire, généralement 0 ou 1. Ce schéma de codage transforme le vecteur d'origine, qui peut contenir des données à valeur réelle ou de grande dimension, en un vecteur binaire. format binaire.

Les vecteurs binaires ne nécessitent qu'un seul bit de mémoire pour stocker chaque élément, tandis que les vecteurs float32 d'origine ont besoin de 4 octets pour chaque élément. Cela signifie que l’utilisation de vecteurs binaires peut réduire l’utilisation de la mémoire jusqu’à 32 fois. De plus, cette réduction des besoins en mémoire correspond à une augmentation notable des requêtes par seconde (RPS) pour les opérations vectorielles binaires.

Prenons un exemple où nous avons 1 million de vecteurs...
[Courte citation de 8% de l'article original]