页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「量化」找到 297 条内容
按专题浏览 →匹配正文：…言、长文本 E5: 大规模弱监督预训练+微调 维度选择与影响 维度 场景 特点 256-384 极致速度、内存敏感 轻量损失，配合量化可用 768 BERT-base标准输出 平衡之选，生态兼容好 1024 BERT-large、追求效果 语义区分度更强 2048+ 多模态、复杂任务 存储和计算成本陡增 关键权衡：维度↑ → 语义容量↑、检索精度↑，但索引体积↑、延迟↑、训练难度↑。实际需结合向量数据库（如Milvus/Faiss）的索引类型（HNSW/IVF）综合评估。 新…
匹配正文：…型（如BGE、E5、GTE系列） 看领域：通用场景用E5，中文用BGE，代码用CodeBERT 看规模：亿级文档优先考虑384维+量化（FP16/INT8） 参考资料 Sentence-BERT原论文 Matryoshka Representation Learning原论文 Faiss官方索引、增量与存储 Sentence Transformers官方向量量化
匹配正文：… 特点：内存友好、速度快，但召回率依赖聚类质量，边缘点易漏检 适用：大规模数据（亿级）、内存受限场景，常与PQ结合使用 3. 基于量化的方法：PQ（乘积量化） 原理：向量分段聚类，用短码本索引替代原始浮点存储 特点：压缩率高（10-20倍），内存极小，但精度损失明显 适用：超大规模（十亿级）、对召回率要求不极致的场景 4. 基于哈希的方法：LSH（局部敏感哈希） 原理：设计哈希函数使相似向量碰撞概率高 特点：理论保证但实际效果一般，现已较少单独使用 选型对比 维度 HNSW …
学习内容与项目面试，在同一条路上。