活动 | 加速大模型落地：火山引擎向量数据库的实践应用

近两年随着大模型技术的快速发展，图片、视频、自然语言等多模态、非结构化数据的查找需求变大，非结构化数据的量级也远大于结构化数据，传统数据库已经无法满足如此多样化数据的处理需求。向量数据库以其海量的数据存储规模、高效的计算查询能力，正在成为大模型时代重要的基础设施。

精彩议程

• AI 原生、云原生的向量数据库是怎样的
• 不止 RAG——AIGC 时代的向量库应用
• AI 原生的能力推导
• 大规模云原生架构设计要点
• 极端性能、规模、精度问题是怎么解决的
• 向量数据库的关键性能维度和极限案例
• 极致性能优化探索
• 极端规模场景的解决之道
• 精度：追逐相关性本质
• 如何用好检索型向量数据库
• 从应用场景进行技术选择
• 真实业务场景的避坑指南

• 向量检索概念以及在 LLM 场景的应用
• 当前业界向量数据库发展情况
• ClickHouse 结合向量检索的优势，以及社区当前向量检索局限性与性能问题分析
• ByteHouse 向量检索功能设计思路介绍
• 性能比较

• 混合搜索的应用场景
• 云搜索服务在混合搜索中具备的搜索能力
• 云搜索服务在混合搜索中的生态能力
• 云搜索服务在混合搜索中的搜索增强能力
• 云搜索服务在混合搜索中的排序打分增强能力
• 云搜索的混合搜索引擎
• 当前不同向量引擎能力介绍
• 多种向量引擎及优化编码
• 不同场景下的向量搜索能力对比与选择

扫码立即报名