发布Cover Tree实现细节研究与RustKNN

Amol Khanna 与 Edward Raff 发布论文，以 Cover Tree 为例分析近邻搜索中实现细节对性能的影响，并开源了 RustKNN——一个用 Rust 统一实现 Cover Tree 三种构建变体与三种查询模式的库（GitHub：CrowdStrike/RustKNN）。 实验发现实现选择影响显著：错误的查询模式可使运行时间最高增加 7.5 倍；最佳查询策略随 k 值和数据集变化。理论参数 2 与实践中常用的 1.3 对双树查询都不是安全默认值；五项微优化中只有提前退出距离计算具有一致效果。 该结果基于论文摘要；主要计时数据为 20 次独立内存分配的中位数，并给出 bootstrap 95% 置信区间。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。