ANN 인덱싱 기반의 밀리초 단위 대규모 Semantic Search 구현
Vector Databases: Search by Meaning, at Scale
HNSW 알고리즘 기반 Vector DB의 Trade-off 분석 및 워크로드별 최적 선택 기준
Vector Databases Compared: pgvector, Qdrant, Pinecone, Weaviate
ANN 알고리즘 기반 Vector DB의 Trade-off 분석과 최적 거리 측정법 제안
Vector Databases Are Not Magic, Here's What's Actually Happening Under the Hood
Pinecone과 FastAPI 기반 12ms 지연시간의 Semantic Search 아키텍처 구현
🧠 Mastering pinecone fastapi semantic search tutorial
HNSW 인덱스 성능 저하 방지를 위한 Vector Search 운영 전략
Vector Search at Scale: Why Your Index Isn't as Healthy as You Think
Semantic Search 구현을 위한 Vector Embedding 및 Retrieval 최적화 전략
Day 6 - Embedding - RAG
Power Decay 및 Similarity Filtering 도입으로 F1 Score 25% 개선
KNN-Based Risk Scoring: What Actually Works
1억 건 데이터셋에서도 ms 단위 응답을 보장하는 ANN 기반 Vector DB 설계
Vector Databases Explained: What They Don’t Tell You
Meta EngineeringHybrid Retrieval과 Llama 3 평가 체계 도입을 통한 커뮤니티 검색 경험 최적화
Modernizing the Facebook Groups Search to Unlock the Power of Community Knowledge
인덱스 크기가 같아도 검색 품질이 다른 이유, 6가지 핵심 변수 분석
Why Search Breaks in Production
LLM 캘리브레이션으로 40만 건의 중복 데이터 정밀 제거
Deduplicating 401,000 Equipment Auction Records with LLM Calibration
벡터 검색에서 ANN 알고리즘과 하이브리드 검색을 활용하면 KNN 대비 대규모 데이터에서도 정확도를 유지하면서 검색 속도를 획기적으로 개선할 수 있다.
AWS Vector Databases – Part 2: Search, Filtering, and Chunking