标题：只改2行代码，RAG效率暴涨30%！可扩展至百亿级数据规模应用

只需修改两行代码，RAG向量检索效率提升30%，适用于文搜文、图搜图、文搜图及推荐系统召回等多种任务，且具备十亿至百亿级数据的扩展能力。浙江大学高云君、柯翔宇团队与向量检索专家傅聪合作，开源新方法PSP（Proximity graph with Spherical Pathway），解决RAG两大难题。

主流向量检索基于欧几里得距离，而PSP发现，通过微调，旧图结构也能找到最大内积最优解。此外，PSP引入提前停止策略，避免无谓计算，加速搜索。

向量检索是AI产品的核心技术，但传统算法多为欧式空间设计，“度量错配”常导致检索结果与语义无关。最大内积检索领域缺乏HNSW、NSG这样的顶级算法，其效果常受数据集限制。

PSP团队通过理论研究，证明在现有欧式图索引结构上，通过调整两行代码即可实现最大内积检索的全局最优解。同时，PSP优化搜索行为，减少冗余计算，设计自适应停止策略，显著提高效率。

实验显示，PSP在多个高维大数据集上性能稳定，相比现有算法提升明显，尤其在MNIST数据集上高出4倍。PSP支持多种数据模态，具备优异的泛化性和log(N)级别的可扩展性，适合百亿级数据检索。

论文链接: https://arxiv.org/pdf/2503.06882
GitHub链接: https://github.com/ZJU-DAILY/PSP