arXiv · cs.AI· Amol Khanna, Edward Raff·· 11 小时前
Cover Tree 实现细节显著改变近邻搜索性能：RustKNN 实验分析
KNN Implementation Details Can Dramatically Change Performance: An Example from Cover Trees
arXiv:2610.16940v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Amol Khanna, Edward Raff
研究任务与主要进展
作者发布 RustKNN，统一实现 Cover Tree 的三种构建变体和三种查询模式，并发现错误查询模式可使运行时间增加最高 7.5 倍。基于论文摘要，最佳查询策略随 k 值和数据集变化；理论参数 2 与实践常用的 1.3 对双树查询并非安全默认值，五项微优化中只有提前退出距离计算具有一致效果。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org