Source: https://www.astrmira.com/zh-hant/research/papers/low-bit-decisions/
Language: zh-Hant

[首頁](https://www.astrmira.com/zh-hant/)/[研究](https://www.astrmira.com/zh-hant/research/)/2609.09854

VECTOR SEARCH / ARXIV:2609.09854

# 壓縮之後，搜尋還會做出相同的選擇嗎？

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。

[閱讀 arXiv 原文](https://arxiv.org/abs/2609.09854)[閱讀指定版本 PDF](https://arxiv.org/pdf/2609.09854v1)

論文資訊

**作者**: Wenxuan Xiao, Xu Cao

**首次提交**: 2026-09-09

**最近修訂**: 2026-09-09

**公開版本**: arXiv 2609.09854v1

向量檢索 · 決策穩定性 · 量化理論

只有當量化誤差跨過決策邊界，比較結果才會改變。

## 從距離誤差，到一次具體選擇

向量搜尋不斷選擇哪個候選更近、哪條邊應保留。平均誤差與全域排序相關性難以解釋局部決策為何失效，因此本研究分析演算法實際執行的比較。

關鍵在於候選原本的間隔，以及量化誤差能否跨過它。分析區分決策邊界附近的風險與校準殘差的尾部行為，也納入共用查詢或圖節點造成的相關性。

## 將局部決策連接到圖的執行軌跡

針對固定候選順序下的 Vamana 近鄰選擇，論文在凍結的精確狀態上，連結個別剪枝決策的一致性與最終近鄰清單的一致性。

當分布假設不可靠時，獨立留出資料區塊可為固定量化規則估計風險。二值編碼、RaBitQ、Lucene BBQ 與乘積量化都可透過同一決策介面分析。

## 為搜尋過程選擇量化方式

在學習型、傳統與合成表示上，正規化比較間隔比全域排序相關性更能預測排序與剪枝翻轉。研究涵蓋固定候選集合與凍結軌跡；端到端召回率仍取決於候選涵蓋程度。

閱讀與引用

## 繼續閱讀論文原文。

完整推導、實驗設定與結果，請參閱公開論文。

[摘要與版本紀錄 ↗](https://arxiv.org/abs/2609.09854)  
[PDF 全文 ↗](https://arxiv.org/pdf/2609.09854v1)

相關論文

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)