확인한 것만 기록한다.
2026-11-23 · 00:23 KST / 15:23 UTC한국어 | EN검색 /

01 / AI · 발표와 검증 · 분석

벡터 검색 MCGI, 데이터 굴곡 따라 탐색량 조절

검색 중 계산한 거리로 탐색량을 조절하는 방식이며, 성능 비교는 같은 색인을 사용한 조건이다.

브뤼셀의 사무실 긴 탁자에 노트북 다섯 대가 나란히 열려 있고 그중 두 대의 화면만 밝게 빛나는 가운데, 초점 밖의 평가자가 뒷모습으로 이를 살펴보고 있다. AI 생성 이미지

MCGI 연구진은 처리량 최대 1.43배를 발표했으며, DiskANN과 높은 재현율을 맞춘 연구진 공개 수치이다.

논문에 따르면 핵심은 검색 요청마다 탐색량을 다르게 배분하는 방식이다. 검색 중 이미 계산한 거리를 활용해 추가 디스크 읽기 없이 조절했다.

연구진이 제시한 비교 기준은 같은 색인에서 정답을 찾아내는 비율을 맞추는 조건이다. 처리량 차이를 읽을 때 검색 정확도와 색인 조건을 함께 볼 이유이다.

데이터 굴곡에 따라 달라지는 탐색량

논문은 직선거리와 데이터의 굴곡을 따른 거리의 불일치를 문제로 제시했다. 가까운 후보를 따라가는 검색이 실제 데이터 구조에서 벗어나는 문제이다.

연구진은 주변 데이터의 복잡도를 나타내는 국소 내재 차원인 LID를 활용했다. 논문은 "high-LID regions"와 "low-LID regions"에 탐색량을 달리 배분했다. 복잡한 영역에서는 후보 목록을 늘리고, 단순한 영역에서는 일찍 종료하는 방식이다.

같은 색인에서 비교한 검색 처리량

논문에 적힌 비교 대상은 같은 표준 Vamana 색인을 사용한 DiskANN이다. MCGI는 검색 중 계산한 거리로 요청 주변의 LID를 추정했다. 후보 목록의 크기는 요청마다 한 번 조절하는 구조이다.

연구진은 십억 규모의 SIFT1B·Deep1B에서도 높은 재현율을 맞춰 비교했다. 처리량 개선은 최대 1.24배로, 연구진 공개 수치이다. 논문이 제시한 성능 차이는 같은 색인에서 검색 노력의 배분을 바꾼 결과이다.