MUVERA

멀티 벡터 검색을 단일 벡터 수준으로 빠르게

About

단일 벡터 임베딩 기반 검색은 빠르고 효율적이지만, 최근 ColBERT 등 멀티 벡터 모델은 각 토큰별 다수 벡터로 더 풍부한 의미와 정확도를 제공함
멀티 벡터 방식은 Chamfer similarity 등 복잡한 유사도 계산으로 인해 연산량·검색 비용이 크게 증가, 대규모 실시간 검색에 장애로 작용함
구글 연구팀이 제안한 MUVERA는 멀티 벡터 정보를 고정 길이 벡터(FDE, Fixed Dimensional Encoding)로 압축해, 단일 벡터 기반 MIPS(내적 최대 검색)로 초고속 검색 후 재정렬함
이 방식은 데이터에 독립적이며 이론적 근거(Chamfer similarity 근사 오차 보장) 를 제공, 기존 PLAID 대비 90% 이상 지연 감소와 10% 이상 recall 향상 달성
FDE는 압축까지 지원(32배 메모리 절감), 오픈소스 구현체와 논문도 공개되어 검색·추천·NLP 실서비스 도입에 적합함