論文の概要: Federated Vector Retrieval across Heterogeneous VectorDBs

• arxiv url: http://arxiv.org/abs/2611.01514v1
• Date: Sun, 01 Nov 2026 03:47:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-12 23:13:54.676176
• Title: Federated Vector Retrieval across Heterogeneous VectorDBs
• Title（参考訳）: 不均一ベクトルDB間のフェデレーションベクトル検索
• Abstract要約: 我々はヘテロジニアスベクトルDB間でのフェデレーション検索のための互換性レイヤであるHVMapを提案する。 データベースを統一されたスペースに再構築する代わりに、HVMapは埋め込みスペース間の双方向マッピングを学ぶ。 HVMapは、ベースラインよりも優れた品質-コスト-スループットトレードオフを一貫して達成します。
• 参考スコア（独自算出の注目度）: 6.731225089484817
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vector databases are now core infrastructure for AI retrieval systems, yet many real deployments must serve queries over multiple independently constructed vectorDBs built with different embedding models. This creates a systems problem of federated retrieval over heterogeneous vectorDBs: vectors and similarity scores are not directly comparable across embedding spaces, while fully resolving this incompatibility through corpus-wide re-embedding and re-indexing is often operationally prohibitive. Existing methods therefore face a difficult trade-off between retrieval quality, construction cost, and query throughput. We present HVMap, a lightweight compatibility layer for federated retrieval across heterogeneous vectorDBs. Instead of rebuilding databases into a unified space, HVMap learns bidirectional mappings between embedding spaces using a fuzzy contrastive loss, enabling calibrated cross-database scoring without corpus migration or index reconstruction. HVMap is system-agnostic and further scales to multi-vectorDB settings while preserving ranking fidelity through a hub-based architecture. We evaluate HVMap in open-domain, cross-domain, and scale-out settings, and also construct a new benchmark for heterogeneous cross-domain federation. Across these settings, HVMap consistently achieves a better quality--cost--throughput trade-off than baselines, achieving up to 3.59X higher nDCG@10, up to 2.01X higher query throughput, and construction time as low as 0.3% of baseline methods. These results show that HVMap makes heterogeneous vectorDB federation practical at scale.
• Abstract（参考訳）: ベクトルデータベースは現在、AI検索システムのコアインフラストラクチャとなっているが、実際のデプロイの多くは、異なる埋め込みモデルで構築された複数の独立したベクターDB上でクエリを提供する必要がある。 ベクトルと類似度スコアは、埋め込み空間間で直接比較することはできないが、コーパス全体の再埋め込みと再インデックスによって、この非互換性を完全に解決することは、しばしば運用的に禁止される。 そのため、既存の手法では、検索品質、建設コスト、クエリスループットのトレードオフが難しい。 我々はヘテロジニアスベクトルDB間のフェデレーション検索のための軽量互換層であるHVMapを提案する。 データベースを統一された空間に再構築する代わりに、HVMapはファジィコントラスト損失を使用して埋め込み空間間の双方向マッピングを学習し、コーパスマイグレーションやインデックス再構築を必要とせずに、校正されたクロスデータベーススコアを可能にする。 HVMapはシステムに依存しないため、ハブベースのアーキテクチャを通じてランキングの忠実さを維持しながら、マルチベクタDB設定にさらにスケールする。 我々は、HVMapをオープンドメイン、クロスドメイン、スケールアウト設定で評価し、また異種クロスドメインフェデレーションのための新しいベンチマークを構築した。 これらの設定全体にわたって、HVMapは、ベースラインよりも品質-コスト-スループット-トレードオフを一貫して達成し、最大3.59倍高いnDCG@10、最大2.1倍高いクエリスループット、ベースラインメソッドの0.3%以下の構築時間を実現している。 これらの結果から,HVMap は大規模にヘテロジニアスベクトルDB フェデレーションを実用化することを示した。

関連論文リスト

• HybridResearcher: Bridging the Structured-Unstructured Boundary for Deep Research Agents [82.46910633945792]
  構造的および非構造的境界を越えて証拠をブリッジする4BエージェントであるHybridResearcherを紹介する。 我々は、教師付き微調整と強化学習を用いて、キュレートされたデータセットを訓練する。 既存のHybridDeepResearchベンチマークから評価すると、HybridResearcherはベースモデルよりも改善されています。
  論文  参考訳（メタデータ） (2026-10-17T22:46:56Z)
• OptiMVMap: Offline Vectorized Map Construction via Optimal Multi-vehicle Perspectives [111.69010751405368]
  オフラインベクトル化マップは、高精度の自動運転およびマッピングサービスの重要な基盤となっている。 既存のアプローチは、基本的に視点の不十分さに苦しむ1つのエゴ車軌道に大きく依存している。 本稿では,これらの課題に体系的に対処するために,多車種対応マップを選択型ヒューズ問題として再構成するOptiMVMapを提案する。
  論文  参考訳（メタデータ） (2026-04-18T20:23:27Z)
• Towards Hyper-Efficient RAG Systems in VecDBs: Distributed Parallel Multi-Resolution Vector Search [5.216774377033164]
  我々は,VecDBにおけるRAGのための新しい多分解能ベクトルインデックスフレームワークである textbfSemantic Pyramid Indexing (SPI) を提案する。 オフラインチューニングやモデルトレーニングの分離を必要とする既存の階層的手法とは異なり、SPIはドキュメントの埋め込みの上にセマンティックピラミッドを構築し、クエリ毎に最適な解像度レベルを動的に選択する。 FAISSとQdrantバックエンドのプラグインとしてSPIを実装し、MS MARCO、Natural Questions、マルチモーダル検索ベンチマークを含む複数のRAGタスクでSPIを評価する。
  論文  参考訳（メタデータ） (2025-11-12T09:31:08Z)
• The Hybrid Multimodal Graph Index (HMGI): A Comprehensive Framework for Integrated Relational and Vector Search [6.821769033209393]
  本稿では,ベクトルデータベースとグラフデータベースのギャップを埋める新しいフレームワークであるHybrid Multimodal Graph Index (HMGI)を紹介する。 HMGIは、意味的類似性検索と関係性コンテキストを直接統合することにより、複雑な関係性の多いクエリシナリオにおいて純粋なベクトルデータベースより優れていることを目指している。
  論文  参考訳（メタデータ） (2025-10-11T09:06:26Z)
• RelMap: Enhancing Online Map Construction with Class-Aware Spatial Relation and Semantic Priors [15.838247620359603]
  本稿では,オンラインHDマップ構築を改善するために,空間関係とセマンティック先行の両方を明示的にモデル化するエンドツーエンドフレームワークを提案する。 RelMapは、単一フレームと時間知覚の両方のバックボーンと互換性があり、nuScenesとArgoverse 2データセットの両方で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-07-29T07:58:52Z)
• MGMapNet: Multi-Granularity Representation Learning for End-to-End Vectorized HD Map Construction [75.93907511203317]
  多粒性表現を持つ地図要素をモデル化するためのMGMapNet(Multi-Granularity Map Network)を提案する。 提案したMGMapNetは最先端のパフォーマンスを達成し,MapTRv2 を nuScenes で 5.3 mAP,Argoverse2 で 4.4 mAP で上回った。
  論文  参考訳（メタデータ） (2024-10-10T09:05:23Z)
• Leveraging Enhanced Queries of Point Sets for Vectorized Map Construction [15.324464723174533]
  本稿では,オンラインベクトル化マップ構築のためのクエリ機能の向上を重視したエンドツーエンド手法であるMapQRを紹介する。 MapQR はscatter-and-gather クエリと呼ばれる新しいクエリ設計を採用している。 提案したMapQRは,最高平均精度(mAP)を達成し,nuScenesとArgoverse 2.0の両方で良好な効率を維持する。
  論文  参考訳（メタデータ） (2024-02-27T11:43:09Z)
• InsMapper: Exploring Inner-instance Information for Vectorized HD Mapping [41.59891369655983]
  InsMapperは、トランスフォーマーによるベクトル化された高精細マッピングのインナーインスタンス情報を利用する。 InsMapperは従来の最先端の手法を超越し、その有効性と汎用性を示している。
  論文  参考訳（メタデータ） (2023-08-16T17:58:28Z)
• Autoregressive Search Engines: Generating Substrings as Document Identifiers [53.0729058170278]
  自動回帰言語モデルは、回答を生成するデファクト標準として現れています。 これまでの研究は、探索空間を階層構造に分割する方法を探究してきた。 本研究では,検索空間の任意の構造を強制しない代替として,経路内のすべてのngramを識別子として使用することを提案する。
  論文  参考訳（メタデータ） (2022-04-22T10:45:01Z)
• AutoRC: Improving BERT Based Relation Classification Models via Architecture Search [50.349407334562045]
  BERTに基づく関係分類(RC)モデルは、従来のディープラーニングモデルよりも大幅に改善されている。 最適なアーキテクチャとは何かという合意は得られない。 BERTをベースとしたRCモデルのための包括的検索空間を設計し、設計選択を自動的に検出するためにNAS(Neural Architecture Search)手法を用いる。
  論文  参考訳（メタデータ） (2020-09-22T16:55:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。