2025年12月19日下午，新加坡南洋理工大学龙程教授（Cheng Long）应邀作了题为“面向高效近似最近邻搜索的新型向量量化技术”的学术报告，实验室师生在东五楼210学术报告厅集中参加了整场报告。

本次讲座将围绕其团队在SIGMOD、VLDB等顶级计算机协会会议上发表的最新研究成果展开深入分享。随着大模型与向量数据库的快速发展，高维向量的高效存储与检索（Approximate Nearest Neighbor Search，ANNS）成为关键挑战。量化技术作为平衡精度与效率的核心手段，近年来备受关注。龙程教授在报告中系统介绍RabitQ这一创新性量化算法。该方法突破传统“以数据拟合码本”的思路，转而构建具有优良几何性质的均匀分布二值码本，并通过随机正交变换增强适应性。RabitQ不仅为量化误差提供了理论上的上界保证，更通过高效的位运算设计，在实际性能上显著优于传统的PQ、SQ及OPQ等方法。其独特的距离估计机制与可证明的误差边界，为后续检索系统的精度优化与自动调参提供了坚实基础。

此次讲座内容兼具理论深度与工程实践价值，涵盖向量量化、高维空间几何、近似计算与系统优化等多个前沿方向，对从事数据库、人工智能、系统架构等相关领域研究的师生具有重要启发意义。

龙程（Cheng Long），新加坡南洋理工大学（NTU）计算机科学与工程学院助理教授。研究方向包括数据库系统、近似计算、向量检索、时空数据管理等。其研究成果发表于SIGMOD、VLDB、ICDE、KDD等国际顶级会议，并与工业界保持紧密合作，多项技术已应用于实际系统。

（通讯员：张书豪）