Source: https://www.astrmira.com/de/research/papers/low-bit-decisions/
Language: de

[Startseite](https://www.astrmira.com/de/)/[Forschung](https://www.astrmira.com/de/research/)/2609.09854

VECTOR SEARCH / ARXIV:2609.09854

# Wann treffen komprimierte Vektoren dieselben Entscheidungen?

When Does Low-Bit Quantization Preserve the Decisions of Vector Search?

Untersucht Quantisierungsfehler in den tatsächlichen Rang- und Graphbeschneidungsentscheidungen der Vektorsuche und verbindet deren Zuverlässigkeit mit Vergleichsmargen, korrelierten Residuen und Ausführungsspuren.

[Auf arXiv lesen](https://arxiv.org/abs/2609.09854)[PDF dieser Version öffnen](https://arxiv.org/pdf/2609.09854v1)

Angaben zum Artikel

**Autoren**: Wenxuan Xiao, Xu Cao

**Erstmals eingereicht**: 2026-09-09

**Zuletzt überarbeitet**: 2026-09-09

**Öffentliche Version**: arXiv 2609.09854v1

Vektorsuche · Entscheidungsstabilität · Quantisierungstheorie

Ein Vergleich ändert sich erst, wenn der Quantisierungsfehler seine Entscheidungsgrenze überschreitet.

## Vom Distanzfehler zur konkreten Wahl

Die Vektorsuche entscheidet wiederholt, welcher Kandidat näher liegt und welche Kante bleibt. Mittlerer Fehler und globale Rangkorrelation erklären nicht, warum diese lokalen Entscheidungen scheitern. Deshalb untersucht die Arbeit die tatsächlich ausgeführten Vergleiche.

Entscheidend sind die ursprüngliche Marge zwischen Kandidaten und die Frage, ob der Fehler sie überschreiten kann. Die Analyse trennt das Risiko nahe der Entscheidungsgrenze vom Randverhalten kalibrierter Residuen, einschließlich Korrelationen durch gemeinsame Anfragen oder Graphknoten.

## Lokale Entscheidungen mit einer Graphspur verbinden

Für die Vamana-Nachbarauswahl bei fester Kandidatenreihenfolge verbindet der Artikel die Übereinstimmung einzelner Beschneidungsentscheidungen mit der Übereinstimmung der endgültigen Nachbarliste in einem eingefrorenen exakten Zustand.

Sind Verteilungsannahmen unzuverlässig, liefern unabhängige zurückgehaltene Blöcke Risikoschätzungen für eine feste Quantisierungsregel. Binärcodes, RaBitQ, Lucene BBQ und Produktquantisierung lassen sich über dieselbe Entscheidungsschnittstelle untersuchen.

## Quantisierung für den Suchprozess wählen

Bei gelernten, klassischen und synthetischen Repräsentationen sagen normierte Vergleichsmargen Rang- und Beschneidungswechsel besser voraus als globale Rangkorrelation. Die Untersuchung gilt für feste Kandidatenmengen und eingefrorene Spuren; der gesamte Such-Recall hängt zusätzlich von der Kandidatenabdeckung ab.

Lesen und zitieren

## Im Originalartikel weiterlesen.

Vollständige Herleitungen, Versuchsaufbau und Ergebnisse finden Sie im öffentlich zugänglichen Manuskript.

[Zusammenfassung und Versionsverlauf ↗](https://arxiv.org/abs/2609.09854)  
[Vollständiger Artikel als PDF ↗](https://arxiv.org/pdf/2609.09854v1)

Verwandte Artikel

REPRESENTATION GEOMETRY · 2026.05

### Was bleibt bei einem oder zwei Bits erhalten?

Wenxuan Xiao

Forschung im Überblick

Covariance Structure and Coordinate Heterogeneity Govern Binary Quantization of Contrastive Embeddings

Erklärt Rangverhalten bei niedriger Bitbreite durch Kovarianz und unterschiedliche Koordinatenskalen, einschließlich der unterschiedlichen Wirkung eines zusätzlichen Betragsbits und zufälliger Rotation auf verschiedene Repräsentationen.

Repräsentationsgeometrie · Binäre Quantisierung

[Diese Forschung entdecken](https://www.astrmira.com/de/research/papers/covariance-binary-quantization/)

[arXiv](https://arxiv.org/abs/2605.17524)

SEARCH SYSTEMS · 2026.05

### QuIVer: den Suchgraphen direkt im binären Raum aufbauen

Wenxuan Xiao · Peidong Zhu · Zhiyou Wang · Chengcheng Li

Forschung im Überblick

QuIVer: Rethinking ANN Graph Topology via Training-Free Binary Quantization

Baut, beschneidet und durchsucht einen ANN-Graphen in einem trainingsfreien Zweibit-Raum. Vollständige Vektoren werden nur zur abschließenden Neusortierung gelesen; die Arbeit zeigt, für welche Daten diese kompakte Topologie geeignet ist.

Approximative nächste Nachbarn · Graphindizes

[Diese Forschung entdecken](https://www.astrmira.com/de/research/papers/quiver/)

[arXiv](https://arxiv.org/abs/2605.02171)