面向 GPU 的全图索引：混合检索一体化方案
数据库
2026-01-06 v2
摘要
混合检索已成为一种有前景的范式，融合词典检索与语义检索，提高了诸如推荐、信息检索和检索增强生成等应用的准确性。然而，现有方法受制于一个三难论：为效率牺牲灵活性、出现准确性下降，或因灵活检索路径组合的存储开销昂贵。本文引入 Allan-Poe，一种新型全图索引，借助 GPU 实现高效混合检索。我们首先分析现有检索范式的局限性，提炼有效混合索引的关键设计原则。遵循这些原则，我们构建统一的图基索引，将三种检索路径（稠密向量、稀疏向量和全文检索）灵活集成于单一结构中。为实现高效构建，我们设计了包含 warp 级混合距离核、RNG-IP 联合修剪和关键词感知邻居循环的 GPU 加速管道。查询处理方面，我们引入动态融合框架，支持任意检索路径和权重组合，无需索引重建，灵活利用知识图谱的逻辑结构以解决复杂多跳查询。广泛实验表明，Allan-Poe 在端到端查询准确性上取得优异成绩，相较于最先进的方法在吞吐量上提升 1.5 倍至 186.4 倍，同时显著降低存储开销。
引用
@article{arxiv.2511.00855,
title = {All-in-one Graph-based Indexing for Hybrid Search on GPUs},
author = {Zhonggen Li and Yougen Li and Yifan Zhu and Congcong Ge and Zhaoqiang Chen and Yunjun Gao},
journal= {arXiv preprint arXiv:2511.00855},
year = {2026}
}