苹果提出基于支撑函数学习的MIPS加速检索方法
Start here
2026年11月5日，Apple 机器学习研究团队公布新研究，提出利用小型神经网络学习支撑函数来摊销最大内积搜索（MIPS）的计算成本，以助力检索增强生成（RAG）实现更快、更准的向量检索。该方案在离线阶段训练 SupportNet 学习支撑函数以优化聚类路由，并设计 KeyNet 模型直接预测最佳匹配键向量。相关模型基于实际查询分布进行监督训练，能在推理阶段大幅降低向量比对开销，提升检索效率与准确性。
AI-generated from reports · Updated 4 hours ago
Report timeline
Follow the reports to see different sides of the story.
- Apple Machine Learning ResearchApple：更快的检索助力更优、更高效的 RAG
Apple 研究人员提出利用小型神经网络学习支撑函数，以此摊销最大内积搜索（MIPS）计算成本，为 RAG 实现更快、更准的向量检索。该方案离线训练 SupportNet 学习支撑函数以优化聚类路由，并设计 KeyNet 模型直接预测最佳匹配键向量。模型基于实际查询分布进行监督训练，在推理阶段大幅降低比对开销。
Story heat trend
Current heat 6·Comparable peak 6（Nov 6 02:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.