arXiv · cs.AI· Nikita Gabdullin·· 6 天前AI 评分21
潜在空间配置（LSC）方法加速神经网络嵌入检索并降维
Latent space configuration for neural network finetuning, fast ranking, and embedding dimensionality reduction
来源与原文
arXiv · cs.AI
作者：Nikita Gabdullin
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.29295v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究提出针对神经网络结构化潜在空间（LS）的检索算法，借助 O(1) 复杂度的候选子集搜索加速 top K 检索。作者用 Latent Space Configuration（LSC）方法微调 ArcFace 预训练的 IResNet50 模型，相比基线穷举搜索，GPU 上最高提速 3 倍、CPU 上提速 40%；且 LS 降维可进一步加速搜索，甚至改善 rank-N 指标。
来源：arXiv · cs.AI · arxiv.org