壓縮之後,搜尋還會做出相同的選擇嗎?
When Does Low-Bit Quantization Preserve the Decisions of Vector Search?
把量化誤差放回向量搜尋實際執行的排序與圖剪枝決策,透過比較間隔、相關殘差與執行軌跡分析可靠性。
我們的研究
提出問題、建構方法,以推導與實驗檢驗想法,讓每一次發現成為下一次探索的起點。
開放的研究
從基礎問題到不同領域的新發現,這裡記錄我們的論文與研究進展。
When Does Low-Bit Quantization Preserve the Decisions of Vector Search?
把量化誤差放回向量搜尋實際執行的排序與圖剪枝決策,透過比較間隔、相關殘差與執行軌跡分析可靠性。
Contextual Utility of Quantization Moves in Extreme Low-Bit LLMs
沿離散改動自身的路徑評估收益,並在持續變化的模型狀態中組合決策,研究極低位元大型語言模型的量化改動效用。
Covariance Structure and Coordinate Heterogeneity Govern Binary Quantization of Contrastive Embeddings
透過共變異數結構與座標異質性解釋低位元排序行為,分析額外幅度位元與隨機旋轉為何對不同表示有不同效果。
QuIVer: Rethinking ANN Graph Topology via Training-Free Binary Quantization
在免訓練的兩位元空間中建圖、剪枝與搜尋,僅於最終重新排序時讀取完整向量,分析緊湊拓撲適用的資料條件。
我們的實踐
基礎研究拓展可能,系統建構讓真實問題回應研究。
讓想法成形
從資料基礎與智慧夥伴,到複雜工作的持續執行。
關於我們的名字
星芒會變,求索不息。
Astr,遙遠星空;Mira,真實的變星;Mirage,尚待抵達的想像。三層意象交織,成為「幻夢星芒」。
Mira 的亮度隨時間變化,並留下綿長的紫外星尾。它提醒我們對未知保有想像,讓探索留下可以繼續生長的痕跡。
名稱靈感 · NASA ↗一起追問下一個問題
資料庫與智慧系統 · 科研合作 · 大學聯合研究
從一個真實問題,開始一次有意義的合作。