Source: https://www.astrmira.com/research/
Language: zh-CN

RESEARCH / PUBLICATIONS

# Questions.  
Evidence. Progress.

我们的研究从值得追问的问题出发，在不同领域探索新的理解与方法。这里汇集论文与研究进展，连接每一次发现和由此展开的新问题。

VECTOR SEARCH · 2026.09

## 压缩之后，搜索还会做出相同的选择吗？

研究简介

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

把量化误差放回排序与图剪枝的具体决策中，用比较间隔、误差相关性与执行轨迹，刻画低比特搜索的可靠性。

向量检索 · 决策稳定性

[了解这项研究](https://www.astrmira.com/research/papers/low-bit-decisions/)

[arXiv](https://arxiv.org/abs/2609.09854)

LOW-BIT LLMS · 2026.09

## 同一次量化改动，为何会改变好坏？

研究简介

Contextual Utility of Quantization Moves in Extreme Low-Bit LLMs

研究极低比特大模型中一次离散改动的真实收益：沿改动自身的路径评估，并在持续变化的模型状态上组合决策。

大模型量化 · 后训练

[了解这项研究](https://www.astrmira.com/research/papers/contextual-quantization/)

[arXiv](https://arxiv.org/abs/2609.09867)

REPRESENTATION GEOMETRY · 2026.05

## 少到一两个比特，什么信息仍被保留？

研究简介

Covariance Structure and Coordinate Heterogeneity Govern Binary Quantization of Contrastive Embeddings

从协方差结构与坐标差异出发，解释二值量化的排序能力，以及额外一位和随机旋转为什么在不同表示上作用不同。

表示几何 · 二值量化

[了解这项研究](https://www.astrmira.com/research/papers/covariance-binary-quantization/)

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

SEARCH SYSTEMS · 2026.05

## QuIVer：让二值编码直接构建搜索图。

研究简介

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

在免训练的两比特空间中完成建图、剪枝与搜索，只在最终重排时读取完整向量，探索紧凑索引的能力与适用边界。

近似近邻搜索 · 图索引

[了解这项研究](https://www.astrmira.com/research/papers/quiver/)

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

4 篇论文

有值得一起追问的问题？

[与我们交流](https://www.astrmira.com/collaborate/)