精彩议程
《 VikingDB :大规模 云原生 向量数据库的前沿实践与应用》谢剑桥|火山引擎向量数据库高级工程师
向量数据库是解决海量非结构化数据检索与分析问题的行业共识,我们从 19 年解决大规模分布式向量检索问题,到推出云原生、AI 原生的向量数据库,持续应对抖音集团内外部业务的复杂技术挑战,积累了丰富实践经验。本次演讲将重点介绍 VikingDB 解决各类应用中极限性能、规模、精度问题上的探索实践,并通过落地的案例向听众介绍如何在多模态信息检索、RAG 与知识库等领域进行合理的技术选型和规划。
主要内容:
AI 原生、云原生的向量数据库是怎样的
- 不止RAG——AIGC 时代的向量库应用
- AI 原生的能力推导
- 大规模云原生架构设计要点
极端性能、规模、精度问题是怎么解决的
- 向量数据库的关键性能维度和极限案例
- 极致性能优化探索
- 极端规模场景的解决之道
- 精度:追逐相关性本质
如何用好检索型向量数据库
从应用场景进行技术选择
真实业务场景的避坑指南
《解析 云原生 数仓 ByteHouse 如何构建高性能 向量检索 技术》田昕晖|火山引擎 ByteHouse 技术专家
向量检索被广泛使用于以图搜图、内容推荐以及大模型推理等场景。随着业务升级与 AI 技术的广泛使用,用户期望处理的向量数据规模越来越大,对向量数据库产品的稳定性、易用性与性能需求也越来越高。为此火山引擎ByteHouse 团队基于社区 ClickHouse 进行技术演进,提出了全新的向量检索功能设计思路,满足业务对向量检索稳定性与性能方面的需求。
主要内容:
向量检索概念以及在 LLM 场景的应用
当前业界向量数据库发展情况
ClickHouse 结合向量检索的优势,以及社区当前向量检索局限性与性能问题分析
ByteHouse 向量检索功能设计思路介绍
性能比较
《在火山引擎云搜索服务上构建混合搜索的设计与实现》鲁蕴铖|火山引擎云搜索服务技术专家
当今,随着图片和视频数据的爆炸式增长,人们对于多样化数据搜索的需求也越来越迫切。多模态搜索场景已经成为当前搜索领域的主要趋势。在这个背景下,本次演讲将重点介绍字节跳动在混合搜索领域的探索,并探讨如何在多模态数据场景下进行海量数据搜索。
主要内容:
混合搜索的应用场景
云搜索服务在混合搜索中具备的搜索能力
- 云搜索服务在混合搜索中的生态能力
- 云搜索服务在混合搜索中的搜索增强能力
- 云搜索服务在混合搜索中的排序打分增强能力
云搜索的混合搜索引擎
- 当前不同向量引擎能力介绍
- 多种向量引擎及优化编码
- 不同场景下的向量搜索能力对比与选择
扫码进入活动群