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

[← 全部研究](https://www.astrmira.com/research/)

RESEARCH / SEARCH SYSTEMS

# QuIVer：让二值编码直接构建搜索图。

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。

[arXiv 原文](https://arxiv.org/abs/2605.02171) [阅读 PDF](https://arxiv.org/pdf/2605.02171v3)

PAPER / V3

**作者**: Wenxuan Xiao · Peidong Zhu · Zhiyou Wang · Chengcheng Li

**首次提交**: 2026.05.04

**最近修订**: 2026.05.17

**公开版本**: [arXiv:2605.02171 ↗](https://arxiv.org/abs/2605.02171) · 预印本

近似近邻搜索 · 图索引 · 二值量化

## 让量化参与图的形成

QuIVer 研究一个直接的问题：二值量化能否成为图索引本身的度量空间？它用符号位和幅度位组成免训练的两比特编码，让 Vamana 的选边、多样性剪枝和搜索导航都在量化空间中完成。

用紧凑的二值图完成导航，再用原始向量精排少量候选。

## 紧凑导航，精确重排

查询先编码成二值签名，通过位运算访问图中的候选；最后才读取原始 float32 向量进行重排。这将频繁访问的签名与邻接表，同只在末端使用的完整向量分开，减少搜索热路径的内存负担。

系统不需要训练码本或旋转矩阵。量化同时参与构建与导航，使索引拓扑、计算路径和内存组织可以围绕紧凑表示一起设计。

## 系统能力，与数据几何一起考察

在 12 个百万规模数据集上的评估显示，效果强烈依赖表示分布：余弦空间中的对比学习嵌入更适合这种拓扑，部分多模态表示次之，而欧氏原生特征和无结构分布表现较差。

这项工作给出压缩、吞吐与数据兼容性之间的实证取舍，为向量数据库选择量化原生图索引提供适用依据，也构成后续量化理论研究的系统起点。

## 阅读与引用

完整推导、实验设置和结果见论文原文。

[摘要与版本记录 ↗](https://arxiv.org/abs/2605.02171)[HTML 全文 ↗](https://arxiv.org/html/2605.02171v3)[PDF ↗](https://arxiv.org/pdf/2605.02171v3)

Wenxuan Xiao, Peidong Zhu, Zhiyou Wang, Chengcheng Li. QuIVer: Rethinking ANN Graph Topology via Training-Free Binary Quantization. arXiv:2605.02171, 2026.

[走近相关系统：TriviumDB](https://www.astrmira.com/projects/data-systems/)

CONTINUE READING

[少到一两个比特，什么信息仍被保留？](https://www.astrmira.com/research/papers/covariance-binary-quantization/)[压缩之后，搜索还会做出相同的选择吗？](https://www.astrmira.com/research/papers/low-bit-decisions/)