首个百亿级向量检索基准 Dino10B 发布:10B 条 1024 维嵌入、共 10.3TB
philipvollet · x · 2026-11-12
Meta 研究人员 Swann Bessa 与 e-means 合作发布 Dino10B,首个面向聚类与最近邻搜索的百亿规模基准。
- 规模:100 亿条 1024 维 uint8 向量(L2 距离),由 DINOv3 ViT-L/16 从 Creative Commons 图像 patch 计算得出,去重并字节量化,总量约 10.3TB。
- 结构:提供 16 个嵌套子集(从 100k 到 10B,每个是下一个的前缀),便于按规模递增测试;附 10 万条 held-out 查询及各规模精确 top-10 ground truth,另有 9900 万条训练查询单独隔离。
- 用途:为 ANN 搜索与聚类算法提供大规模可复现评测,下载脚本基于 axel 多连接加速。
作者背景属 Meta 检索团队(Matthijs Douze、Hervé Jégou 为 FAISS 作者),博客与 README 提供完整使用说明。
「Infra」频道最新
- AMD 展示用 Ryzen AI Max 迷你主机本地跑 MolmoAct2 机器人策略 — DJiafei · 2026-11-12
- 观点：AI 基础设施正演变为「编码运行时」，智能单元将超越 token — prateekj · 2026-11-12
- 开发者开源 PrefixRelay:让 Cursor 稳定复用 KV 缓存跑本地模型 — jjusko20 · 2026-11-12
- Rust 推理引擎 Kinetic 实测 0.13 秒答 2.2 万 token 文档,比 llama.cpp 快 84 倍 — jasonkneen · 2026-11-12
- HP 开卖 $13.2 万 GB300 工作站：748GB 统一内存可本地跑万亿参数模型 — gnukeith · 2026-11-12
- GitHub CI 分钟不够用，开发者晒 M5 Ultra Mac Studio 求自建 macOS runner — ow · 2026-11-12