近兩年隨著大模型技術(shù)的快速發(fā)展，圖片、視頻、自然語(yǔ)言等多模態(tài)、非結(jié)構(gòu)化數(shù)據(jù)的查找需求變大，非結(jié)構(gòu)化數(shù)據(jù)的量級(jí)也遠(yuǎn)大于結(jié)構(gòu)化數(shù)據(jù)，傳統(tǒng)數(shù)據(jù)庫(kù)已經(jīng)無(wú)法滿足如此多樣化數(shù)據(jù)的處理需求。向量數(shù)據(jù)庫(kù)以其海量的數(shù)據(jù)存儲(chǔ)規(guī)模、高效的計(jì)算查詢能力，正在成為大模型時(shí)代重要的基礎(chǔ)設(shè)施。

3 月23 日，火山引擎開(kāi)發(fā)者社區(qū) Meetup 第十三期邀請(qǐng)到了火山引擎的三位技術(shù)專家，將從火山引擎的實(shí)踐應(yīng)用出發(fā)，為大家詳解向量檢索功能的設(shè)計(jì)實(shí)現(xiàn)以及大規(guī)模云原生向量數(shù)據(jù)庫(kù)的核心技術(shù)和優(yōu)化，和大家共同探討大模型時(shí)代向量數(shù)據(jù)庫(kù)的落地實(shí)踐。

?時(shí)間：2024/03/23（周六） 14:00-17:00

地點(diǎn) ：北京市海淀區(qū)北三環(huán)西路甲 18 號(hào)院大鐘寺廣場(chǎng) 1 號(hào)樓 3F-17

形式：線下+線上同步直播

精彩議程

《VikingDB：大規(guī)模云原生向量數(shù)據(jù)庫(kù)的前沿實(shí)踐與應(yīng)用》謝劍橋｜火山引擎向量數(shù)據(jù)庫(kù)高級(jí)工程師

向量數(shù)據(jù)庫(kù)是解決海量非結(jié)構(gòu)化數(shù)據(jù)檢索與分析問(wèn)題的行業(yè)共識(shí)，我們從 19 年解決大規(guī)模分布式向量檢索問(wèn)題，到推出云原生、AI 原生的向量數(shù)據(jù)庫(kù)，持續(xù)應(yīng)對(duì)抖音集團(tuán)內(nèi)外部業(yè)務(wù)的復(fù)雜技術(shù)挑戰(zhàn)，積累了豐富實(shí)踐經(jīng)驗(yàn)。本次演講將重點(diǎn)介紹 VikingDB 解決各類(lèi)應(yīng)用中極限性能、規(guī)模、精度問(wèn)題上的探索實(shí)踐，并通過(guò)落地的案例向聽(tīng)眾介紹如何在多模態(tài)信息檢索、RAG 與知識(shí)庫(kù)等領(lǐng)域進(jìn)行合理的技術(shù)選型和規(guī)劃。

主要內(nèi)容：

1. AI 原生、云原生的向量數(shù)據(jù)庫(kù)是怎樣的

a. 不止RAG——AIGC 時(shí)代的向量庫(kù)應(yīng)用

b. AI 原生的能力推導(dǎo)

c. 大規(guī)模云原生架構(gòu)設(shè)計(jì)要點(diǎn)

2. 極端性能、規(guī)模、精度問(wèn)題是怎么解決的

a. 向量數(shù)據(jù)庫(kù)的關(guān)鍵性能維度和極限案例

b. 極致性能優(yōu)化探索

c. 極端規(guī)模場(chǎng)景的解決之道

d. 精度：追逐相關(guān)性本質(zhì)

3. 如何用好檢索型向量數(shù)據(jù)庫(kù)

a. 從應(yīng)用場(chǎng)景進(jìn)行技術(shù)選擇

b. 真實(shí)業(yè)務(wù)場(chǎng)景的避坑指南

《解析云原生數(shù)倉(cāng) ByteHouse 如何構(gòu)建高性能向量檢索技術(shù)》田昕暉｜火山引擎 ByteHouse 技術(shù)專家

向量檢索被廣泛使用于以圖搜圖、內(nèi)容推薦以及大模型推理等場(chǎng)景。隨著業(yè)務(wù)升級(jí)與 AI 技術(shù)的廣泛使用，用戶期望處理的向量數(shù)據(jù)規(guī)模越來(lái)越大，對(duì)向量數(shù)據(jù)庫(kù)產(chǎn)品的穩(wěn)定性、易用性與性能需求也越來(lái)越高。為此火山引擎ByteHouse 團(tuán)隊(duì)基于社區(qū) ClickHouse 進(jìn)行技術(shù)演進(jìn)，提出了全新的向量檢索功能設(shè)計(jì)思路，滿足業(yè)務(wù)對(duì)向量檢索穩(wěn)定性與性能方面的需求。

主要內(nèi)容：

1. 向量檢索概念以及在 LLM 場(chǎng)景的應(yīng)用

2. 當(dāng)前業(yè)界向量數(shù)據(jù)庫(kù)發(fā)展情況

3. ClickHouse 結(jié)合向量檢索的優(yōu)勢(shì)，以及社區(qū)當(dāng)前向量檢索局限性與性能問(wèn)題分析

4. ByteHouse 向量檢索功能設(shè)計(jì)思路介紹

5. 性能比較

《在火山引擎云搜索服務(wù)上構(gòu)建混合搜索的設(shè)計(jì)與實(shí)現(xiàn)》魯蘊(yùn)鋮｜火山引擎云搜索服務(wù)高級(jí)研發(fā)工程師

當(dāng)今，隨著圖片和視頻數(shù)據(jù)的爆炸式增長(zhǎng)，人們對(duì)于多樣化數(shù)據(jù)搜索的需求也越來(lái)越迫切。多模態(tài)搜索場(chǎng)景已經(jīng)成為當(dāng)前搜索領(lǐng)域的主要趨勢(shì)。在這個(gè)背景下，本次演講將重點(diǎn)介紹字節(jié)跳動(dòng)在混合搜索領(lǐng)域的探索，并探討如何在多模態(tài)數(shù)據(jù)場(chǎng)景下進(jìn)行海量數(shù)據(jù)搜索。

主要內(nèi)容：

1. 混合搜索的應(yīng)用場(chǎng)景

2. 云搜索服務(wù)在混合搜索中具備的搜索能力

a. 云搜索服務(wù)在混合搜索中的生態(tài)能力

b. 云搜索服務(wù)在混合搜索中的搜索增強(qiáng)能力

c. 云搜索服務(wù)在混合搜索中的排序打分增強(qiáng)能力

3. 云搜索的混合搜索引擎

a. 當(dāng)前不同向量引擎能力介紹

b. 多種向量引擎及優(yōu)化編碼

c. 不同場(chǎng)景下的向量搜索能力對(duì)比與選擇

掃碼立即報(bào)名

掃碼進(jìn)入活動(dòng)群

閱讀原文鏈接：https://zjsms.com/iFdjBHb3/