database · E1 预消化简报(2026-08-15)
预消化轮次，为今晚活文档接力提供增量备料。本轮次低密度：3 条实质增量 + 1 条待核实邻接确认。
一、今日实质增量（3 条）
增量 1｜向量数据库 2026 Benchmark 第三轮独立量化（Qdrant / Milvus / Weaviate / pgvector）
来源： - CallSphere Blog / Lushbinary "Vector Database Benchmarks: Production Selection Guide 2026"（2026-08，多源交叉引用方向一致） - sukruyusufkaya.com "Vector Database Selection 2026"（pgvectorscale 数据来源，与 Actian R-37 数据方向一致） - Jay 2026-08-15T1335 研究报告 + 下午简报 15:05（向量 DB Benchmark 专项）
要点： 3 节点 / 1536 维 / 10M 向量 / AWS r6i 条件下： | DB | P99 延迟 | QPS | Recall@10 | 内存/节点 | |----|---------|-----|-----------|----------| | Qdrant | ~12ms | ~8,400 | 0.989 | ~86 GB | | Milvus | ~15ms | ~7,100 | 0.988 | ~94 GB | | Weaviate | ~25ms | ~4,200 | 0.984 | ~112 GB | | pgvector+pgvectorscale | ~85ms | ~320 | 0.978 | ~280GB+ |
选型矩阵（2026-08 版）： - < 50M 向量已有 PG → pgvector 0.9 + pgvectorscale（零新增组件，ACID） - 10M+，需低延迟 + 过滤 → Qdrant（Rust 实现，单 Docker，FP16/INT8） - 百亿级分布式 → Milvus（K8s 原生，Zilliz 云托管） - 混合搜索 BM25+向量 → Weaviate - 原型/嵌入式 → Chroma / zvec（alibaba/zvec 15k⭐，C++ 进程内） - GCP 原生 → Vertex Vector - 亿级混合 → Vespa
⚠️ 重要注意事项： - sukruyusufkaya.com 声称 "pgvectorscale 471 QPS vs Qdrant 41.47 QPS（11.4×）" 极可能存在 benchmark 条件不一致问题（Qdrant 在 Lushbinary 测试中 QPS 达 8,400），两文测试向量规模、维度、召回率阈值不同，不可直接横向比较；以 Lushbinary 多源交叉数据（Qdrant 8,400 QPS / pgvector 320 QPS）为基准，sukruyusufkaya 数据仅供参考方向性。 - pgvector 不适合 >10M 向量生产场景（R-37 已有结论，本轮独立再次确认）
与 knowledge/database.md 现有脉络的关系： - 直接支撑 §2.1 Vector DB commoditization 共识（R-37 第三次跨源独立验证） - 与 R-35 Actian benchmark 方向一致（pgvectorscale 优于 Qdrant，但量级差无 11× 那么大） - 进一步巩固 C35 "95% 团队 <50M 向量无需独立向量库" 共识 - 选型矩阵补充 §2.1 决策树（新增 zvec 嵌入式节点）
建议归入章节：§2.1（向量数据库选型与 commoditization 共识）——作为 R-37 独立验证数据补充 + §2.1 选型矩阵小幅更新
arXiv 关联：无直接关联，系第三方 benchmark；但 arXiv:2601.01937（向量搜索弹性多层架构）可作为"向量 DB 规模演进"补充文献归入 §2.1 邻接。
增量 2｜Retrieval-Permutation-Induced Hallucination + Stable-RAG（ACL 2026）
来源： - arXiv:2601.02993，"Mitigating Retrieval-Permutation-Induced Hallucinations in RAG"，ACL 2026 Main - Jay 2026-08-15 11:05 五类简报（database 分节收录）
要点： 检索-排列组合诱导幻觉是 RAG 系统中未被充分研究的问题。当多个检索结果可以多种方式组合回答同一问题时，LLM 可能选择错误排列导致幻觉，而传统 RAG 评估对此无法覆盖。Stable-RAG 提出缓解方法。
关键概念： - 答案锚定浓度（answer-anchor concentration）：多个检索结果集中于同一答案证据，LLM 对排列敏感度升高 - 载体迁移（carrier transition）：检索结果组合的语义主体发生变化，导致答案漂移
RAGSieve（arXiv:2608.13010，另一篇同主题）进一步从知识投毒角度切入： - RAGSieve-Query（RSQ）：查询局部对比，第 1-5 名与第 6-20 名的得分差异检测答案锚点集中度 - RAGSieve-Graph（RSG）：图结构检测载体迁移
与 knowledge/database.md 现有脉络的关系： - RAGSieve + Stable-RAG 共同构成 RAG 数据层完整性新威胁——这是数据层层面的安全问题，区别于 §2.8 的三攻击向量（存储文件读取 / KV-cache 侧信道 / 差分隐私） - 与 Coverage Illusion（§2.12 已有：72.2% 生产 RAG 不需要 LLM 增强）共同说明 RAG 失败模式比预期更复杂多样 - 建议归入 §2.12（RAG 数据层载体范式）作为检索可靠性新增风险节点，或与 §2.8 合并为"数据层完整性威胁"子节
建议归入章节：§2.8（LLM × Database 安全）——作为第四攻击向量"检索结果排列幻觉/知识投毒"的补充，与 Jailbreak / Shadow in the Cache / PA-HDP 并列
arXiv：2601.02993（Stable-RAG，ACL 2026），2608.13010（RAGSieve，database 邻接候选）
增量 3｜alibaba/zvec：C++ 嵌入式进程内向量库（GitHub 15,443 ⭐）
来源： - GitHub alibaba/zvec（2026-08 GitHub Trending，~15,443 ⭐，977 forks） - Jay 2026-08-15T1050 工程筛选报告（E6 条目）
要点： - 定位：C++ 高性能嵌入式进程内向量库，零网络开销，定位与 FAISS HNSW 竞争 - 官方 tagline：明确指向 Agent 记忆层（"LLM Memory"场景） - 维护方：阿里巴巴，国内大厂技术背书，工程可信度较高 - 对比：与 LanceDB（Apache Arrow zero-copy）、Chroma（原型）同属轻量级，但 zvec 为 C++ 实现性能更强
与 knowledge/database.md 现有脉络的关系： - 补充 §2.1 选型决策树"边缘/嵌入式"节点：zvec + LanceDB + Chroma 构成嵌入式三选 - 与 alibaba/zvec（周冠军 7275⭐，R-37 已有）系同一项目，本轮数据更新为 15,443⭐（显著增长） - 进一步印证"向量库 commoditization 向边缘/嵌入式下沉"趋势（trend 相关）
建议归入章节：§2.1（向量数据库选型决策树）——"边缘/嵌入式"节点更新 star 数字和定位描述
arXiv：无直接 arXiv 编号（GitHub 项目）
二、邻接待核实（1 条）
邻接 A｜FT-RAG：KDD 2026 表格推理细粒度 RAG
来源：arXiv:2605.01495，KDD 2026（2026-08-09~13，Jeju），paper_card 待定级
要点：传统 RAG 在结构化表格数据上表现差（粒度过粗 + 语义理解不足），FT-RAG 将表格分解为 entry-level 语义单元进行知识关联，提升复杂多跳表格推理能力。
当前状态：KDD 2026 接收本身是高可信度信号，但 entry-level 语义单元定义的实际工程效果尚未独立核验；立标等级暂列候选级中档 ★★，需与 §2.12 RAG 数据层邻接，优先级低。
建议归入章节：§2.12（RAG 数据层载体范式）邻接，待立标升级后入主轴
arXiv：2605.01495
三、矛盾与待核实说法
⚠️ Benchmark 横向可比性问题
sukruyusufkaya.com 声称 pgvectorscale QPS 471 是 Qdrant 41.47 的 11.4×，与 Lushbinary 测试（Qdrant 8,400 QPS / pgvector 320 QPS）严重矛盾。主因推测：两文测试条件（向量规模、维度、召回率阈值）不同，不可直接横向比较。建议以 Lushbinary 多源交叉数据为基准，sukruyusufkaya 仅作方向性参考。
⚠️ zvec 性能数据独立核验缺失
alibaba/zvec 官方自述性能对标 FAISS，但 GitHub README 未提供独立 benchmark 数据；15,443⭐ 增长数据可信，但工程性能claims需查阅官方 benchmark 对比 FAISS 的原始数据后方可入共识。建议下一轮 inbox 优先查阅 zvec 官方 benchmark 页面。
四、今日涉及 arXiv 号列表
| arXiv ID | 主题 | 来源 | 可信度 |
|---|---|---|---|
| 2601.02993 | Stable-RAG（Retrieval-Permutation Hallucination，ACL 2026） | 五类简报 11:05 | 高（ACL 2026） |
| 2608.13010 | RAGSieve（知识投毒检测） | 五类简报 11:05 | 中（待独立核验） |
| 2605.01495 | FT-RAG（KDD 2026 表格推理） | 五类简报 11:05 | 中高（KDD 2026） |
| 2601.01937 | Vector Search 弹性多层架构（memory-SSD-S3） | 五类简报 11:05 | 高（学术综述） |
五、本轮检查来源清单
Jay inbox（含 database 关键词过滤）： - 2026-08-14-database-e1prep.md（R-38 指引，含 R-38 沿用脉络） - 2026-08-14_database-backend-cloudnative-engineering.md（R-38 主增量来源） - 2026-08-14T0935-jay-agentic-search-paradigm-vecdb-mcp-hf.md（R-38 Agentic Search 实证） - 2026-08-14-inference-vector-rag-k8s.md（pgvector + Vector DB benchmark） - 2026-08-14T1505-jay-five-category-briefing.md（KDD RAG 三件套邻接） - 2026-08-15-1105-jay-five-category-briefing.md ✅（FT-RAG + Stable-RAG + Vector Search 弹性架构） - 2026-08-15T1335-jay-ai-backend-db-deployment-research.md ✅（Vector DB 2026 Benchmark 专项 + zvec） - 2026-08-15T1505-jay-afternoon-briefing-mcp-inference-vecdb-aug2026.md ✅（Qdrant/Milvus/pgvector benchmark + 选型矩阵） - 2026-08-15T1050-jay-engineering-screening.md ✅（E6 zvec 筛选） - 2026-08-15T1450-jay-engineering-filter-round2.md（无 database 实质新增） - 2026-08-15T1950-jay-engineering-filter-evening.md（无 database 实质新增）
Paper cards（近 3 天新卡，IDs 899~960，约 60 张）： - 主分类 database：0 张 - database 邻接候选：RAGSieve（2608.13010，五类简报 11:05 收录，paper_card 待确认） - 其余新卡（RAG 主分类 7 张 / multimodal 大量 / agent / llm-infra 若干）均无 database 直接关联
其他 inbox（tom/flyp/spark/stephen，database 关键词过滤）： - tom/2026-08-15-rag-e1prep.md → 无 database 直接新增 - tom/2026-08-15T1440-agent-rag-longcontext-radar.md → 无 database 直接新增 - spark/2026-08-15-llm-infra-e1prep.md → 无 database 直接新增 - flyp/2026-08-15-sat-weekly-deep-read-adversarial-summary.md → 无 database 直接新增 - stephen/2026-08-15-ai-industry-e1prep.md → 无 database 直接新增
六、密度评估与下一轮建议
本轮密度：🟡 低密度（3 条实质 + 1 条邻接待核实） - 与 R-38 高密度（5+2+1）相比显著回落 - 实质增量集中在向量 DB benchmark 独立验证 + RAG 安全性新方向（Stable-RAG/RAGSieve）+ 嵌入式向量库数据更新
下一轮（2026-08-16）建议关注方向： 1. zvec 官方 benchmark 核验（与 FAISS 性能对比） 2. pgvector 0.9 实际生产数据（benchmark 可信度争议需厘清） 3. FT-RAG KDD 2026 论文深入精读 4. paper_cards 新增 database 主分类卡（R-38 显示 8/14 当日 0 张，本轮 8/15 亦 0 张，需关注是否进入采集漏斗问题） 5. CK（arXiv:2608.11632）backlog 回看窗口：R-38 设 1 周，即 2026-08-21 前后应做决定是否升级
Jay · 2026-08-15 20:20 · E1 预消化轮 database 增量：3 条实质 + 1 条邻接待核实 涉及 arXiv：2601.02993 / 2608.13010 / 2605.01495 / 2601.01937