3.9 KiB
3.9 KiB
id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by, tech_stack
| id | title | category | status | canonical_id | aliases | duplicate_of | source_trust_level | confidence_score | tags | raw_sources | last_reinforced | github_commit | inferred_by | tech_stack | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| wiki-2026-0508-nearest-neighbor-search | Nearest Neighbor Search | 10_Wiki/Topics | needs_review | self |
|
none | A | 1.0 |
|
2026-04-26 | pending | Claude Opus 4.7 (auto-normalize 2026-05-08) |
|
Nearest Neighbor Search (최근접 이웃 탐색)
📌 한 줄 통찰 (The Karpathy Summary)
"고차원 공간의 바다에서 나를 가장 닮은 이웃을 눈깜짝할 새에 발굴하여, 데이터 사이의 보이지 않는 연결고리를 증명하라" — 주어진 질의(Query)와 가장 유사한 데이터를 방대한 데이터셋 내에서 거리 메트릭(Euclidean, Cosine 등)을 기반으로 찾아내는 검색 기술.
📖 구조화된 지식 (Synthesized Content)
- 추출된 패턴: "Space Partitioning and Approximate Retrieval" — 전수 조사(Brute-force)의 비효율성을 극복하기 위해 공간을 다각형이나 트리 구조로 분할하고, 100%의 정확도 대신 압도적인 속도를 선택하는 근사 최근접 이웃(ANN) 검색 패턴.
- 주요 알고리즘:
- KD-Tree / Ball-Tree: 공간을 분할하여 탐색 범위를 좁히는 트리 기반 방식.
- HNSW (Hierarchical Navigable Small World): 그래프 구조를 활용한 고성능 검색의 현대적 표준.
- Product Quantization (PQ): 벡터를 압축하여 메모리 효율과 검색 속도 동시 확보.
- 의의: 추천 시스템, 이미지 검색, 특히 LLM의 외부 기억 장치 역할을 하는 벡터 데이터베이스(Vector DB)의 성능을 결정짓는 핵심 엔진.
⚠️ 모순 및 업데이트 (Contradictions & Updates)
- 과거 데이터와의 충돌: 단순히 '가장 가까운 것'을 찾는 정적 검색에서, 이제는 실시간으로 데이터가 추가/삭제되는 환경에서도 인덱스 성능을 유지하는 동적 인덱싱 기술로 관심사가 이동함.
- 정책 변화: Antigravity 프로젝트는 1,174개의 문서 중 유사 주제를 추천하거나 중복을 검사할 때, HNSW 알고리즘 기반의 고속 최근접 이웃 탐색 기술을 활용하여 실시간 지식 연결을 구현함.
🔗 지식 연결 (Graph)
- Locality-Sensitive-Hashing, Vector-Database-Foundations, K-Nearest-Neighbors-K-NN, Distance-Metrics-in-AI
- Raw Source: 10_Wiki/Topics/AI/Nearest-Neighbor-Search.md
🤖 LLM 활용 힌트 (How to Use This Knowledge)
언제 이 지식을 쓰는가:
- (TODO)
언제 쓰면 안 되는가:
- (TODO)
🧪 검증 상태 (Validation)
- 정보 상태: needs_review
- 출처 신뢰도: A
- 검토 이유: (P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)
🧬 중복 검사 (Duplicate Check)
- 기존 유사 문서: (TODO: 인덱서 클러스터 리포트 참조)
- 처리 방식: UPDATE (자동 정규화)
- 처리 이유: Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
🕓 변경 이력 (Changelog)
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|---|---|---|---|
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
💻 코드 패턴 (Code Patterns)
패턴 1: (TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)
# TODO
🤔 의사결정 기준 (Decision Criteria)
선택 A를 써야 할 때:
- (TODO)
선택 B를 써야 할 때:
- (TODO)
기본값:
(TODO)
❌ 안티패턴 (Anti-Patterns)
- [안티패턴]: (TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)