knn

提出 PAI-KNN，一种通过推理时先验调整而非内存修改来适应概念漂移与类不平衡的 KNN 数据流分类器，在合成数据流基准上取得了与最先进方法竞争的性能。

本文通过粒球计算提出了一种自适应且高效的KNN分类器，利用粒球邻域动态确定k值，在提高准确性和鲁棒性的同时降低了计算成本。该方法已在GitHub上开源。

一位研究人员报告，在细粒度汽车分类任务中使用k-NN时，冻结的SigLIP2（92%）和DINOv2（41%）嵌入之间存在惊人的50个百分点的准确率差距，寻求了解线性探针是否能缩小差距，或者DINOv2是否不适合检索。

Manticore Search引入了针对基于HNSW的KNN向量搜索的提前终止机制，对于较大的k值，可减少多达80%的距离计算，同时保持精度在全搜索的2-4%以内。

pynear 2.3 是一个快速的 KNN 库，具备 SIMD 加速功能，与 scikit-learn 无缝兼容，提供精确和近似余弦索引，在某些场景下处理二进制描述符的性能优于 Faiss。