在近期的Search Central Live Deep Dive亚洲站活动中,Google代表Gary Illyes就MUVERA检索方法及图基础模型(GFM)的应用情况作出回应。针对业界关注的技术落地问题,Google确认已在搜索中部署类似MUVERA的技术,但表示图基础模型目前尚未投入生产环境。
MUVERA检索技术解析
MUVERA是Google近期提出的一种检索优化方法,旨在将复杂的多向量搜索转化为高效的单向量搜索。该技术通过固定维度编码(FDEs)将Token嵌入压缩为固定维度向量,在保持原始相似度近似值的同时,利用优化的单向量搜索快速筛选候选结果,再通过精确的多向量相似度进行重排序。
相较于PLAID等传统系统,MUVERA具备以下核心优势:
- 高效编码:使用固定维度编码将多向量集转换为单向量表示,且与原始多向量比较足够接近,确保检索准确性;
- 易于部署:检索阶段采用成熟的MIPS(最大内积搜索)技术,便于大规模应用;
- 精准重排:在快速缩小匹配范围后,使用Chamfer相似度进行详细的多向量比较重排序,兼顾速度与精度;
- 性能提升:相比先进基线PLAID,MUVERA能以更低处理时间找到更多精确相关文档。
Google确认应用类MUVERA技术
针对LinkedIn用户José Manuel Morgal关于“MUVERA是否已用于搜索”的提问,Gary Illyes虽以玩笑方式开场,但最终确认Google正在使用类似MUVERA的技术,尽管内部可能不直接使用该名称。这一回应证实了该研究成果已从理论走向实际应用。
图基础模型(GFM)尚未投入搜索生产
Google此前发布的图基础模型(GFM)被视为AI领域的重大突破。该技术通过将关系数据库转换为图结构学习数据关联,无需重新训练即可适应不同结构的数据库,在垃圾信息检测等任务中平均精度提升达3至40倍。
然而,当被问及GFM是否在搜索中使用时,Gary Illyes明确表示该模型目前尚未投入生产。他解释称,由于缺乏配套论文支撑,且其个人并不掌控Google Research博客的发布内容,因此基于现有信息判断GFM仍处于非生产状态。
GFM规模化部署潜力
尽管暂未应用于搜索,但官方公告显示GFM已在广告垃圾邮件检测等内部真实场景中完成测试。该系统依托JAX环境和TPU基础设施,成功处理了包含数十亿节点和边的超大规模图数据。
实验证明,传统表格基线方法因忽略表间连接而遗漏关键上下文,GFM则有效弥补了这一差距,验证了其在复杂结构化数据处理上的显著优势。
总结
综合本次问答信息,Google已明确将类MUVERA技术应用于搜索检索环节以提升效率与精度;而对于图基础模型,虽然技术验证表现优异,但目前仍停留在内部测试阶段,尚未正式集成至搜索产品中。

