11.2.1 自监督索引学习

文档摘要

11.2.1 自监督索引学习在向量检索的深水区航行多年后，我常被一个问题反复叩问：当标注成本高到令人窒息、数据分布漂移快过模型迭代速度、而业务对毫秒级响应和千万级吞吐的苛求又寸步不让时——我们还能不能不靠人工标注，就让索引“自己学会认路”？这不是一个修辞性提问。它直指当前工业级向量检索系统最真实的痛处：传统ANN（Approximate Nearest Neighbor）索引——无论是FAISS的IVF-PQ、Annoy的树结构，还是HNSW的层级图——其性能上限，早已不再由算法复杂度决定，而卡死在索引构建阶段所依赖的监督信号质量上。你喂给它的，是人工标注的正负样本？是规则生成的伪标签？还是下游任务反向传播回来的梯度？