SYSTEMS
TriviumDB
向量、图谱与文档共用一个内核。以 Rust 构建的 AI 原生嵌入式数据库，为 Agent 记忆与本地知识库连接语义、内容和关系。
ο CETI / MIRATHE WONDERFUL STARARTISTIC INTERPRETATION
幻梦星芒 / ASTR — MIRA
Astrmira
于未知处求索，向星穹间开拓。
From first principles to real-world intelligence.
我们研究数据、计算与智能的底层问题，
让严谨的理论，成为可用的系统。
DATABASES✧RETRIEVAL✧VECTORS✧QUANTIZATION✧POST-TRAINING✧MATHEMATICS
OUR PRACTICE
探索，不止于论文。
让研究，抵达真实的世界。
以基础研究拓展可能，以系统构建回应问题。这是我们希望持续走下去的路。
IDEAS, MADE TANGIBLE
把研究，写进现实。
从数据底座，到智能伙伴，再到复杂任务的持续执行。
RESEARCH, IN THE OPEN
让每一次探索，有据可循。
从搜索的每一次选择，到模型的每一次改动。理解压缩之下，什么仍被保留。
压缩之后，搜索还会做出相同的选择吗？
When Does Low-Bit Quantization Preserve the Decisions of Vector Search?
把量化误差放回排序与图剪枝的具体决策中，用比较间隔、误差相关性与执行轨迹，刻画低比特搜索的可靠性。
同一次量化改动，为何会改变好坏？
Contextual Utility of Quantization Moves in Extreme Low-Bit LLMs
研究极低比特大模型中一次离散改动的真实收益：沿改动自身的路径评估，并在持续变化的模型状态上组合决策。
少到一两个比特，什么信息仍被保留？
Covariance Structure and Coordinate Heterogeneity Govern Binary Quantization of Contrastive Embeddings
从协方差结构与坐标差异出发，解释二值量化的排序能力，以及额外一位和随机旋转为什么在不同表示上作用不同。
QuIVer：让二值编码直接构建搜索图。
QuIVer: Rethinking ANN Graph Topology via Training-Free Binary Quantization
在免训练的两比特空间中完成建图、剪枝与搜索，只在最终重排时读取完整向量，探索紧凑索引的能力与适用边界。
向量检索 · 表示几何 · 大模型量化
A NOTE ON OUR NAME
A wonderful star.
A lasting curiosity.
星芒会变，求索不息。
Astr，遥远星空；Mira，真实的变星；Mirage，尚待抵达的想象。我们把这层诗意称作「幻梦星芒」。
Mira 的亮度随时间变化，并留下绵长的紫外星尾。我们借它讲述一种研究态度：对未知保有想象，让探索留下可以继续生长的痕迹。
名称灵感 · NASA / The Tail of a Wonderful Star ↗LET’S ASK THE NEXT QUESTION
下一个值得研究的问题，
也许来自你。
数据库与智能系统 · 科研合作 · 高校联合研究
从一个真实的问题，开始一次有意义的合作。