09:38arXiv cs.AI@Koki Okajima, Yasutoshi Ida, Tsukasa Yoshida, Yasuaki Nakamura论文提出 Non-Negative Elastic Net (NNN) 解码,将检索视为联合解码问题,通过稀疏非负线性组合用文档嵌入重构查询嵌入。理论证明,对所有语料库,NNN 解码能处理稠密检索能处理的全部查询,并在有相关文档的语料库上额外处理稠密检索无法处理的查询。在多个基准测试上,对冻结嵌入应用 NNN 解码带来一致改进;端到端训练嵌入进一步超越稠密检索的所有指标。论文NNN decodingdense retrieval信息检索稀疏表示嵌入推荐理由:这篇论文提出一种叫 NNN 的解码方法,能比传统向量点积检索挑出更多样化的文档,在多个基准上都有提升,做搜索相关的值得看看。原文
13:06Ate-a-Pi@svpinoOracle的AI数据库集成了向量存储功能,支持嵌入向量操作。开发者Santiago Pino使用Oracle向量存储和嵌入功能构建了一个图像搜索示例。该示例展示了如何利用Oracle数据库进行相似性搜索,无需额外向量数据库。视频和代码示例已公开。技巧Oracle向量存储嵌入图像搜索数据库推荐理由:Oracle向量存储做图像搜索原文
18:10marktechpost@Sana Hassan本教程在 Google Colab 中搭建完整的 pgvector 环境,演示如何将 PostgreSQL 用作强大的向量数据库。内容包括安装 PostgreSQL、编译 pgvector 扩展、通过 Psycopg 连接并注册向量类型以实现 Python 集成,以及使用 SentenceTransformers 生成嵌入并存储。教程覆盖了语义搜索、混合搜索、稀疏向量和量化向量四种搜索模式,为 AI 应用提供实用的向量搜索实现方案。技巧pgvector向量搜索PostgreSQL教程嵌入推荐理由:想用 PostgreSQL 做向量搜索的开发者可以直接跟着教程在 Colab 里跑通,省去环境配置的坑,四种搜索模式覆盖了从基础到高级的需求。原文