条目D3：UnWeaving GraphRAG — GraphRAG vs VectorRAG 理论分析（arXiv 2603.29875v3）
- 类型：arxiv
- 标识：2603.29875
- 链接：https://arxiv.org/abs/2603.29875
- 主题：agent, database, engineering, evaluation, llm-infra, multimodal, rag, risk
- 来源文件：
/inbox/jay/2026-06-14-night-briefing.md
可复用信息
-
- 研究范围：在多个HPC系统上系统评估三个分布式向量数据库系统，覆盖完整生命周期（插入→索引→查询），而非孤立评估查询性能
-
- 相关工作：Qdrant在HPC上的评估仅考虑单系统，未使用GPU加速，未探索DAOS或Lustre等HPC特定架构组件
-
- 关键发现（预期）：云存储和有限网络吞吐量对搜索性能和索引设计的影响在HPC环境中被放大
-
- 背景知识：VDB使用近似最近邻（ANN）搜索和IVF等索引结构提供可控的精度-延迟权衡；精度主要通过recall@k衡量
-
- 与条目D1的关系：D1聚焦LLM推理侧，D2聚焦数据侧，两者共同构成RAG全链路优化的不同切面
-
- 标签：
vector-db distributed HPC ANN-search performance scaling
-
-
- 后续行动：关注代码是否开源；关注与主流云向量DB（Milvus/Qdrant）的横向对比
写作用途
- 可放入 RAG / 知识库 / 检索增强相关工作的对比段。
- 可用于 Agent 架构、记忆、工具调用或多智能体研究背景。
- 可用于多模态推理、视觉语言模型或长上下文多模态问题定义。
- 可用于系统实现、实验平台或工程约束说明。
- 可用于局限性、风险、失效模式和未来工作。
待补齐
- BibTeX / 正式引用格式
- 方法与实验设置细节
- 与现有工作的差异点
- 是否有代码和数据集