部分验证65% 置信事实时间未知
HNSW（层次化可导航小世界图）是由俄罗斯学者Yuri Malkov等人于2016年提出的近似最近邻搜索算法
3
来源数
65%
置信度
长期有效
时效性
2026/6/1
首次发现
来源
多Agent调度框架：98个专家Agent组成的超级AI开发团队
bilibiliAI罐装知识
涉及实体
相关事实
已验证HNSW算法由Yury Malkov等人于2016年提出，通过多层图结构将搜索复杂度从O(n)降低到O(log n)75% 相似待验证HNSWlib专注于基于分层可导航小世界图（HNSW）的ANN索引，在高召回率场景下性能出色，但内存占用较高且不支持量化压缩60% 相似待验证Elasticsearch自8.x版本起已原生支持向量字段（dense_vector）和基于HNSW算法的近似最近邻（ANN）检索59% 相似待验证本地Embedding计算通常需运行小型神经网络模型（如all-MiniLM-L6-v2约80MB），向量索引常用FAISS、Hnswlib等近似最近邻搜索库59% 相似待验证HNSW 是 Hierarchical Navigable Small World 的缩写，其前身 NSW 由同一批作者提出；HNSW 通过叠加多层稀疏图解决 NSW 在低维或强聚类数据上容易陷入局部最优的问题。57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/26620API
curl https://kongchang.com/api/v1/knowledge/claims/26620MCP
get_claim(id=26620)