概念
别名：HNSW
向量索引构建参数，影响搜索精度
已跟踪 2 条高相关材料
最近变化
2026-09-08 · 候选深度从10提升至500仅使最终得分提升0.01，说明基础召回已达标
为什么值得关注
hnsw_ef 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Your search can be working perfectly and still be badly tuned. Vector search has a lot of tuning kn...
Qdrant(@qdrant_engine) · 8.5 分
向量搜索调优需先定位问题，再调整对应参数，而非盲目尝试。Qdrant通过实验发现候选深度提升对最终得分影响有限，系统化调优应聚焦问题根源。
Candidate Depth: How Much Retrieval Is Enough?
Qdrant · 8.5 分
候选深度优化可显著提升搜索效果，但需结合数据集规模和系统配置进行实验验证。
已收录 2 条与 hnsw_ef 相关的内容，按评分排序。
向量搜索调优需先定位问题，再调整对应参数，而非盲目尝试。Qdrant通过实验发现候选深度提升对最终得分影响有限，系统化调优应聚焦问题根源。
入选理由：候选深度从10提升至500仅使最终得分提升0.01，说明基础召回已达标
候选深度优化可显著提升搜索效果，但需结合数据集规模和系统配置进行实验验证。
入选理由：测试候选深度时，从100/200开始，但需根据分片数和重排序器调整实际值
