RACORN-1：低选择性过滤向量搜索的自适应保召回加速

过滤向量搜索（FVS）结合了向量嵌入相似性与结构化元数据谓词，已成为 RAG 和生产检索系统中的核心需求。ACORN-1 是代表性的过滤内算法，它重用现有的 HNSW 索引，在低选择性下显著降低延迟，但在选择性低于 5% 时遭受连接不稳定性，在低于 1% 时召回率崩溃。我们提出了 RACORN-1，ACORN-1 的原位扩展，通过 (i) 自适应搜索回退（ASF）解决此崩溃——将未通过过滤的节点重新用作瞬态桥接以绕开断裂路径；桥接和两跳候选选择使用步长采样以实现空间多样性。虽然过滤优先的 ACORN 系列方法相对于距离优先的 HNSW 具有结构性召回权衡，但 RACORN-1 通过 ASF 改善了权衡曲线，在显著降低延迟的同时最小化召回损失。在三个 1M 规模和一个 40M 规模的数据集上，RACORN-1 在最佳点（1%-0.3%）比 HNSW 提供约 9-26 倍的延迟降低，并将 ACORN-1 的召回率崩溃从 0.45-0.72（1%）和 0.03-0.10（0.3%）分别恢复到 0.70-0.96 和 0.77-0.98。对于线性扫描可能优于图搜索的极低选择性区域，我们在变体 RACORN-1+ 中将 RACORN-1 与 (ii) 自适应精确回退（AEF）相结合，在 1M <=0.1% 时实现召回率 1.00 和 20-75 倍加速，在 40M 0.01% 时实现 13 倍加速。在负相关评估（K-means 聚类）下，ACORN-1 崩溃（召回率 0.08-0.41），而 RACORN-1 保持召回率 0.80-0.98，并相对于 HNSW 具有 5-9 倍的延迟优势。总之，RACORN-1 和 RACORN-1+ 构成了一种与 ACORN-1 兼容的机制，对极低选择性和对抗性查询-过滤相关性都具有鲁棒性。