近日，实验室硕士生王明琪（导师张书豪教授）的论文“SAGE-DB-Bench: Benchmarking In-Memory Continuous ANNS under Dynamic Open-World Streams [Experiments & Analysis]”被ACM Special Interest Group on Management of Data（SIGMOD 2026）录用。

在开放世界环境中，实时向量数据流上的连续近似最近邻搜索（Approximate Nearest Neighbor Search，ANNS）面临数据分布漂移、噪声干扰与高频并发访问等多重挑战。然而，现有主流评估框架如ANN-Benchmarks与Big-ANN-Benchmarks，主要针对静态或简化流式场景设计，难以捕捉真实流式环境中细粒度的动态特性与并发行为。为此，论文基于Big-ANN-Benchmarks构建了SAGE-DB-Bench基准框架（https://github.com/intellistream/SAGE-DB-Bench），支持高频向量摄入、自适应漂移建模、随机噪声注入及查询-更新并发执行，并对各类算法实现即插即用的兼容性。通过在12个数据集上对19种主流ANNS算法的综合评估发现：在动态流式环境下，尚无任何算法能够持续兼顾高召回率、高吞吐量与高效的更新能力，进而揭示了流式场景中所固有的性能权衡困境。该工作为向量检索的未来发展提供了新思路，促使学界与业界在优化查询性能之外，进一步重视算法对动态数据流的适应性及更新效率，以推动相关技术在真实场景中的有效落地。

SIGMOD是数据库领域的顶级学术会议之一，致力于展示和分享数据库管理系统和数据管理领域的最新研究成果。

（通讯员：王明琪）