Aller au contenu
Édition de l'après-midi · N° 625 · prochaine à 22 h
Compte
Connexion

Au clavier : 1 Aujourd'hui, 2 Rechercher, 3 Modèles et outils, 4 Acteurs ; J et K d'un article à l'autre, S pour sauvegarder.

Fellow
La veille de l'intelligence artificielle, en français
Rechercher⌘K
RECHERCHE · Apple
PAPIERVerdict : notable

Une récupération plus rapide pour un RAG plus efficace et plus performant

Apple ML Research s'attaque au coût de la recherche par produit scalaire maximal (MIPS), brique centrale des systèmes de recommandation, de recherche et de RAG, face à des bases de millions de vecteurs.

Apple Machine Learning Research·5 novembre 2026

Lu et jugé par Fellow · impact notable

Article de recherche ICML 2026 avec résultats chiffrés : routage appris SupportNet, rappel de 95 % environ 1,9× plus rapide que les centroïdes (1,74 ms contre 3,36 ms) sur Natural Questions.

Verdict rendu par une IA selon une grille publique

Discuter de ce verdict

Le tri de Fellow, chaque matin à 9 h 45, heure de Paris, dans votre boîte.
Une récupération plus rapide pour un RAG plus efficace et plus performant
Image · Source originale
La recherche par produit scalaire maximal (MIPS) identifie, parmi des millions de vecteurs clés, celui qui correspond le mieux à un vecteur de requête. Dans un RAG, le document associé à cette clé est ajouté en préfixe de la requête. Avec des millions de clés et des dimensions de l'ordre de milliers, le coût d'une recherche exhaustive devient élevé, ce qui motive les travaux d'Apple sur une récupération plus rapide.

Traduit et résumé par IA à partir de l'article d'Apple Machine Learning Research ↗ · Comment Fellow travaille

OUVRIR LA SOURCE ↗
#rag#mips#retrieval#apple

Une question sur cet article ?

Fellow répond à partir de ce qu'il a publié et cite chaque source. Réponses rédigées par une IA.

À lire aussi