先了解这件事
AI 综述
Apple在ICML 2026发表论文《Amortizing Maximum Inner Product Search with Learned Support Functions》,提出针对固定key数据库离线训练小型神经网络,把最大内积搜索(MIPS)视为凸分析中的支撑函数来学习,从而在推理阶段更快、更准地路由查询。方法包含SupportNet与KeyNet:前者用ICNN学习支撑函数并可按簇计算以改进路由,后者直接输出最佳匹配key向量,并用基于Euler齐次函数定理的一致性损失约束。两者均基于相关查询分布采样训练,以一次性摊销成本换取推理阶段更高效的RAG检索。目前该工作以Apple Machine Learning Research发布的第一方材料为公开依据。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源：Apple Machine Learning Research
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
11月6日
Apple Machine Learning Research一手
Apple 提出 SupportNet 与 KeyNet：用小型神经网络加速 MIPS 检索，提升 RAG 效率
Apple 研究团队在 ICML 2026 论文《Amortizing Maximum Inner Product Search with Learned Support Functions》中提出，针对固定 key 数据库离线训练小型神经网络，把 MIPS 视为凸分析中的支撑函数来学习，从而在推理时更快、更准地路由查询。方法包含 SupportNet（用 ICNN 学习支撑函数，可按簇计算以改进路由）和 KeyNet（直接输出最佳匹配 key 向量，并用基于 Euler 齐次函数定理的一致性损失约束）。两者均基于相关查询分布采样训练，以一次性摊销成本换取推理阶段更高效的 RAG 检索。