星環(huán)科技向量數(shù)據(jù)庫(kù)Transwarp Hippo1.1發(fā)布：一庫(kù)搞定向量+全文聯(lián)合檢索，提升大模型準(zhǔn)確率！

　　星環(huán)科技向量數(shù)據(jù)庫(kù)Transwarp Hippo自發(fā)布已來(lái)，受到了眾多用戶的歡迎，幫助用戶實(shí)現(xiàn)向量數(shù)據(jù)的存儲(chǔ)、管理和檢索，探索和實(shí)踐大模型場(chǎng)景。在與用戶不斷地深入交流以及實(shí)踐中，Hippo迎來(lái)了V1.1版本，一套系統(tǒng)即可支持向量與全文聯(lián)合檢索，提高文本數(shù)據(jù)的召回精度，從而提升大語(yǔ)言模型應(yīng)用的準(zhǔn)確率。同時(shí)，Hippo1.1新增余弦距離、批量數(shù)據(jù)導(dǎo)入導(dǎo)出、Explain與Profile支持、ARM架構(gòu)支持等能力，大幅降低用戶使用門(mén)檻和成本。

　　此外，Hippo社區(qū)版同樣支持以上新特性，點(diǎn)擊文末閱讀原文或者訪問(wèn)星環(huán)科技官網(wǎng)，即可申請(qǐng)下載體驗(yàn)，開(kāi)啟大語(yǔ)言模型場(chǎng)景探索之旅。

　　一庫(kù)搞定向量+全文聯(lián)合檢索，提升大模型準(zhǔn)確率

　　在大語(yǔ)言模型應(yīng)用中，向量數(shù)據(jù)庫(kù)作為中間載體，可以有效地解決大模型在知識(shí)時(shí)效性低、輸入能力有限、準(zhǔn)確度低等問(wèn)題，賦予大模型擁有“長(zhǎng)期記憶”。因此，向量數(shù)據(jù)庫(kù)的召回精度直接影響大模型輸出結(jié)果的準(zhǔn)確率。然而，在一些實(shí)踐場(chǎng)景中，對(duì)于向量數(shù)據(jù)庫(kù)本身而言，單一使用向量檢索會(huì)產(chǎn)生召回準(zhǔn)確率不高的問(wèn)題：

　　* 對(duì)噪聲和冗余信息敏感：若向量數(shù)據(jù)庫(kù)中存在大量的噪聲和冗余信息，則檢索的準(zhǔn)確率會(huì)降低;

　　* 對(duì)特征選擇的依賴：在向量檢索中，需要對(duì)數(shù)據(jù)進(jìn)行特征提取和選擇，若特征選擇不當(dāng)，則會(huì)影響檢索的準(zhǔn)確性;

　　* 對(duì)查詢語(yǔ)義理解的局限性：當(dāng)查詢語(yǔ)義比較復(fù)雜或模糊時(shí)，向量檢索無(wú)法準(zhǔn)確理解用戶的意圖，導(dǎo)致準(zhǔn)確率降低;

　　此外，像一些特殊情況，如所檢索內(nèi)容未構(gòu)建特征或特征比重較小時(shí)，會(huì)導(dǎo)致準(zhǔn)確率降低，甚至無(wú)召回結(jié)果。

　　針對(duì)文本搜索場(chǎng)景，全文檢索更適合做關(guān)鍵字匹配，可以避免檢索內(nèi)容低頻的問(wèn)題。而向量檢索則能找出字面上不同但語(yǔ)義上相近的內(nèi)容。通過(guò)將向量檢索和全文檢索的聯(lián)合召回，可以降低漏檢和誤檢的概率，能夠?qū)崿F(xiàn)比單獨(dú)使用向量或全文檢索更高的精度。

　　此外，向量數(shù)據(jù)與全文數(shù)據(jù)在存儲(chǔ)、計(jì)算上有很大的差別，單一的數(shù)據(jù)庫(kù)架構(gòu)很難同時(shí)高效支持這兩種場(chǎng)景。例如，對(duì)于公開(kāi)數(shù)據(jù)集如ANN Benchmark，Elasticsearch的性能遠(yuǎn)落后于專業(yè)的向量數(shù)據(jù)庫(kù)。

　　星環(huán)科技向量數(shù)據(jù)庫(kù)Hippo底層使用自研的分布式數(shù)據(jù)管理系統(tǒng)TDDMS，能夠支持向量數(shù)據(jù)和全文數(shù)據(jù)統(tǒng)一存儲(chǔ)管理，一套數(shù)據(jù)庫(kù)系統(tǒng)即可支持向量與全文數(shù)據(jù)聯(lián)合檢索召回，避免了部署多套系統(tǒng)帶來(lái)的架構(gòu)復(fù)雜、開(kāi)發(fā)運(yùn)維成本高等問(wèn)題。同時(shí)，Hippo1.1提供兼容Elasticsearch協(xié)議的SDK支持，方便用戶更便捷地使用向量數(shù)據(jù)庫(kù)。

　　例如，當(dāng)查詢“A公司業(yè)務(wù)發(fā)展情況”時(shí)，通過(guò)向量檢索可以檢索出A公司“主要業(yè)務(wù)”、“經(jīng)營(yíng)模式”、“財(cái)務(wù)情況”、“市場(chǎng)地位”等信息，通過(guò)全文檢索可以檢索出知識(shí)庫(kù)中和關(guān)鍵字“業(yè)務(wù)”、“發(fā)展”相關(guān)的結(jié)果作為補(bǔ)充，通過(guò)將兩者檢索的結(jié)果進(jìn)行結(jié)合，可以使得大模型回答的結(jié)果更加豐滿和準(zhǔn)確。

　　當(dāng)查詢“A公司產(chǎn)品經(jīng)理B的履歷”時(shí)，若該產(chǎn)品經(jīng)理B在知識(shí)庫(kù)中出現(xiàn)的頻率較低或未構(gòu)建特征時(shí)，單一使用向量檢索召回的結(jié)果可能主要是A公司介紹，而通過(guò)全文檢索則會(huì)檢索出產(chǎn)品經(jīng)理B相關(guān)的內(nèi)容，通過(guò)向量+全文的聯(lián)合檢索召回，使得大模型能夠準(zhǔn)確地給出答案。

　　多個(gè)新特性升級(jí)，幫助用戶實(shí)現(xiàn)降本增效

　　1、余弦距離支持，簡(jiǎn)化業(yè)務(wù)邏輯

　　余弦距離在大模型領(lǐng)域有著廣泛的應(yīng)用。在過(guò)去，用戶在將向量數(shù)據(jù)導(dǎo)入向量數(shù)據(jù)庫(kù)之前，需要對(duì)數(shù)據(jù)庫(kù)做L2歸一化，并搭配內(nèi)積距離間接實(shí)現(xiàn)余弦距離，這個(gè)過(guò)程較為復(fù)雜，需要用戶手工操作，并要求有一定的技術(shù)基礎(chǔ)。Hippo1.1新增原生的余弦距離支持，用戶不再需要通過(guò)向量歸一化計(jì)算 IP metrics 來(lái)使用余弦距離，大幅簡(jiǎn)化了業(yè)務(wù)邏輯，降低了用戶使用門(mén)檻。

　　2、批量數(shù)據(jù)導(dǎo)入導(dǎo)出，加速數(shù)據(jù)流轉(zhuǎn)

　　Hippo1.1新增基于csv格式的批量數(shù)據(jù)導(dǎo)入導(dǎo)出功能，方便用戶進(jìn)行數(shù)據(jù)流轉(zhuǎn)。此外，用戶還可以通過(guò)Python、Restful等API進(jìn)行數(shù)據(jù)操作。

　　3、支持ARM架構(gòu)，滿足國(guó)產(chǎn)化需求

　　隨著 ARM架構(gòu) CPU 的普及程度越來(lái)越高，Hippo1.1在支持X86架構(gòu)的基礎(chǔ)上，新增支持ARM架構(gòu)，滿足企業(yè)用戶國(guó)產(chǎn)化需求。

　　4、支持Explain與Profile，高效性能優(yōu)化

　　當(dāng)執(zhí)行帶過(guò)濾條件的向量檢索時(shí)，Hippo會(huì)根據(jù)過(guò)濾條件預(yù)估過(guò)濾率，選擇最優(yōu)的搜索路徑。通過(guò)Explain接口，用戶可以準(zhǔn)確地看到檢索的具體執(zhí)行路徑，通過(guò)Profile接口，用戶可以看到⼀次搜索中各階段的細(xì)分耗時(shí)情況�；�于這兩點(diǎn)特性，用戶可以更高效地進(jìn)行數(shù)據(jù)庫(kù)調(diào)試、問(wèn)題排查和性能優(yōu)化。