Source: https://www.astrmira.com/fr/research/papers/low-bit-decisions/ Language: fr [Accueil](https://www.astrmira.com/fr/)/[Recherche](https://www.astrmira.com/fr/research/)/2609.09854 VECTOR SEARCH / ARXIV:2609.09854 # Quand des vecteurs comprimés prennent-ils les mêmes décisions ? When Does Low-Bit Quantization Preserve the Decisions of Vector Search? Étudie l’erreur de quantification dans les décisions réelles de classement et d’élagage des graphes, en reliant leur fiabilité aux marges de comparaison, aux résidus corrélés et aux traces d’exécution. [Lire sur arXiv](https://arxiv.org/abs/2609.09854)[Ouvrir le PDF de cette version](https://arxiv.org/pdf/2609.09854v1) Informations sur l’article **Auteurs**: Wenxuan Xiao, Xu Cao **Première soumission**: 2026-09-09 **Dernière révision**: 2026-09-09 **Version publique**: arXiv 2609.09854v1 Recherche vectorielle · Stabilité des décisions · Théorie de la quantification Une comparaison ne change que si l’erreur de quantification franchit sa frontière de décision. ## De l’erreur de distance au choix concret La recherche vectorielle décide sans cesse quel candidat est plus proche et quelle arête conserver. L’erreur moyenne et la corrélation globale des rangs n’expliquent pas les échecs de ces décisions locales ; ce travail analyse donc les comparaisons exécutées par l’algorithme. Les grandeurs clés sont la marge initiale entre candidats et la capacité de l’erreur à la franchir. L’analyse distingue le risque près de la frontière de décision du comportement des queues des résidus calibrés, y compris les corrélations dues à une requête ou à un nœud partagé. ## Relier les décisions locales à une trace de graphe Pour la sélection des voisins de Vamana avec un ordre de candidats fixé, l’article relie l’accord sur chaque décision d’élagage à l’accord de la liste finale des voisins dans un état exact figé. Lorsque les hypothèses de distribution sont peu fiables, des blocs de validation indépendants estiment le risque d’une règle de quantification fixe. Codes binaires, RaBitQ, Lucene BBQ et quantification produit peuvent être étudiés par la même interface de décision. ## Choisir la quantification pour le processus de recherche Sur des représentations apprises, classiques et synthétiques, les marges de comparaison normalisées prédisent mieux les inversions de classement et d’élagage que la corrélation globale des rangs. L’étude porte sur des ensembles de candidats fixes et des traces figées ; le rappel de bout en bout dépend aussi de la couverture des candidats. Lire et citer ## Poursuivez avec l’article original. Les démonstrations complètes, le protocole expérimental et les résultats figurent dans le manuscrit public. [Résumé et historique des versions ↗](https://arxiv.org/abs/2609.09854) [Article complet en PDF ↗](https://arxiv.org/pdf/2609.09854v1) Articles associés REPRESENTATION GEOMETRY · 2026.05 ### Que reste-t-il avec un ou deux bits ? Wenxuan Xiao En quelques mots Covariance Structure and Coordinate Heterogeneity Govern Binary Quantization of Contrastive Embeddings Explique le classement à faible précision par la covariance et l’hétérogénéité des coordonnées, notamment les effets différents d’un bit de magnitude supplémentaire et d’une rotation aléatoire selon les représentations. Géométrie des représentations · Quantification binaire [Découvrir cette recherche](https://www.astrmira.com/fr/research/papers/covariance-binary-quantization/) [arXiv](https://arxiv.org/abs/2605.17524) SEARCH SYSTEMS · 2026.05 ### QuIVer : construire le graphe de recherche directement dans l’espace binaire Wenxuan Xiao · Peidong Zhu · Zhiyou Wang · Chengcheng Li En quelques mots QuIVer: Rethinking ANN Graph Topology via Training-Free Binary Quantization Construit, élague et parcourt un graphe de voisins approximatifs dans un espace à deux bits sans apprentissage. Les vecteurs complets ne sont lus qu’au reclassement final, et les régimes de données adaptés à cette topologie sont explicités. Plus proches voisins approximatifs · Index de graphes [Découvrir cette recherche](https://www.astrmira.com/fr/research/papers/quiver/) [arXiv](https://arxiv.org/abs/2605.02171)