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

研究 / 論文

# 提出問題。  
累積證據，持續前進。

我們的研究從值得追問的問題出發，在不同領域建構方法與證據。這裡匯集論文、目前關注的方向，以及每項成果所開啟的新問題。

VECTOR SEARCH · 2026.09

## 壓縮之後，搜尋還會做出相同的選擇嗎？

Wenxuan Xiao · Xu Cao

研究簡介

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

把量化誤差放回向量搜尋實際執行的排序與圖剪枝決策，透過比較間隔、相關殘差與執行軌跡分析可靠性。

向量檢索 · 決策穩定性

[瞭解這項研究](https://www.astrmira.com/zh-hant/research/papers/low-bit-decisions/)

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

LOW-BIT LLMS · 2026.09

## 同一次量化改動，為何會改變好壞？

Wenxuan Xiao · Xu Cao

研究簡介

Contextual Utility of Quantization Moves in Extreme Low-Bit LLMs

沿離散改動自身的路徑評估收益，並在持續變化的模型狀態中組合決策，研究極低位元大型語言模型的量化改動效用。

大型語言模型量化 · 後訓練

[瞭解這項研究](https://www.astrmira.com/zh-hant/research/papers/contextual-quantization/)

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

REPRESENTATION GEOMETRY · 2026.05

## 少到一兩個位元，什麼資訊仍被保留？

Wenxuan Xiao

研究簡介

Covariance Structure and Coordinate Heterogeneity Govern Binary Quantization of Contrastive Embeddings

透過共變異數結構與座標異質性解釋低位元排序行為，分析額外幅度位元與隨機旋轉為何對不同表示有不同效果。

表示幾何 · 二值量化

[瞭解這項研究](https://www.astrmira.com/zh-hant/research/papers/covariance-binary-quantization/)

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

SEARCH SYSTEMS · 2026.05

## QuIVer：直接在二值空間建構搜尋圖

Wenxuan Xiao · Peidong Zhu · Zhiyou Wang · Chengcheng Li

研究簡介

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

在免訓練的兩位元空間中建圖、剪枝與搜尋，僅於最終重新排序時讀取完整向量，分析緊湊拓撲適用的資料條件。

近似最近鄰 · 圖索引

[瞭解這項研究](https://www.astrmira.com/zh-hant/research/papers/quiver/)

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

4 篇論文

有值得一起追問的問題嗎？

[與我們交流](https://www.astrmira.com/zh-hant/collaborate/)