· AI Engineer World's Fair 2025
Бенчмаркинг vector search
Vector Search Benchmark[eting]
Вендорские бенчмарки векторного поиска обычно подбирают выгодный для автора сценарий, поэтому решение стоит принимать по собственной нагрузке.
- Read-only бенчмарки — большинство публичных тестов идут на неизменяемых данных, а в продакшене есть записи. Соотношение чтения и записи нужно подбирать под свой случай.
- Фильтры в HNSW — фильтрация может замедлять поиск, потому что нужно просмотреть больше кандидатов. Проверяйте фильтры на своих данных.
- Recall вместе со скоростью — сравнивать нужно precision и recall при одинаковых параметрах, иначе быстрый результат может оказаться низкокачественным. Авторы бенчмарков часто обновляют только свою версию, а конкурентов оставляют на старой.
- Elasticsearch Rally с собственными треками — трек описывает данные, запросы и железо, и так можно понять, что система даёт на своей нагрузке. Спикер советует сравнивать другие инструменты на том же треке.
Кому полезно: тем, кто выбирает векторную базу под свою нагрузку и не хочет опираться на маркетинговые графики.
Статья по теме
Главы
Ещё доклады: Philipp Krenn
Страница спикера →Основы информационного поиска
AI Engineer World's Fair 2025
Похожие доклады
Хватит гадать с настройками vLLM: бенчмаркинг LLM на Runpod
Близко по содержанию
Agentic-поиск против vector search для coding agents: мы провели eval
Близко по содержанию
Искусство и наука бенчмаркинга для agents
AI Engineer Europe 2026
Близко по содержанию
Когда закончится эпидемия бенчмаксинга?
AI Engineer World's Fair 2026
Близко по содержанию

