Đăng ký
ai-236Đọc toàn bộ đề miễn phí

Chuẩn hóa L2 trên Vector Nhúng để Tối Ưu Hóa Phép Tìm Kiếm Cosine (L2 Normalization for Inner Product Retrieval)

Trong các hệ thống RAG và Vector Database quy mô lớn, phép tính Cosine Similarity:

AICơ bản30 phút

Tiến độ của tôi ở bài này

Điểm được lưu vào tài khoản sau khi chấm bài.

Đang tải điểm của bạn…

Kiến thức và chủ đề

embeddingl2-normcosine-similarityvector-search

Kiến thức tiên quyết: embedding-bag-pooling-sum-mean.

Nội dung đề bài

Mô tả bài toán

Trong các hệ thống RAG và Vector Database quy mô lớn, phép tính Cosine Similarity: CosineSim(u, v) = u · v|u|2 |v|2 đòi hỏi tính chuẩn L2 lặp đi lặp lại ở mỗi truy vấn.

Nếu tất cả các vector đã được chuẩn hóa L2 trước khi lưu trữ: u = u|u|2, v = v|v|2 thì phép tính Cosine Similarity quy về đúng một phép tích vô hướng đơn giản: CosineSim(u, v) = u · v giúp tăng tốc độ tìm kiếm gấp hàng chục lần trên GPU và các phần cứng chuyên dụng (như SIMD / AVX-512).

Yêu cầu kỹ thuật:

  • Viết hàm l2_normalize(vectors: np.ndarray, axis: int = -1, eps: float = 1e-12) -> np.ndarray:
  • Chuẩn hóa vector theo trục axis: v = v√(∑ vi2) + ε.
  • Hỗ trợ mảng 1D hoặc 2D.
  • Viết hàm batch_cosine_similarity(query_vectors: np.ndarray, corpus_vectors: np.ndarray) -> np.ndarray:
  • Chuẩn hóa cả query_vectors (Q, D) và corpus_vectors (N, D) bằng l2_normalize.
  • Tính tích ma trận S = Qnorm × CnormT trả về ma trận độ tương đồng shape (Q, N).
  • Viết hàm find_top_k_documents(query: np.ndarray, corpus: np.ndarray, k: int = 3) -> list[tuple[int, float]]:
  • Trả về danh sách gồm k phần tử (doc_idx, score) có độ tương đồng cao nhất, sắp xếp giảm dần theo điểm score.

Input

  • Hàm l2_normalize(vectors, axis, eps): Các tham số đầu vào chứa dữ liệu Tensor/mảng NumPy hoặc giá trị siêu tham số tương ứng.
  • Hàm batch_cosine_similarity(query_vectors, corpus_vectors): Các tham số đầu vào chứa dữ liệu Tensor/mảng NumPy hoặc giá trị siêu tham số tương ứng.
  • Hàm find_top_k_documents(query, corpus, k): Các tham số đầu vào chứa dữ liệu Tensor/mảng NumPy hoặc giá trị siêu tham số tương ứng.

Output

  • Hàm l2_normalize: Trả về kết quả kiểu np.ndarray theo đúng đặc tả kỹ thuật và kích thước quy định.
  • Hàm batch_cosine_similarity: Trả về kết quả kiểu np.ndarray theo đúng đặc tả kỹ thuật và kích thước quy định.
  • Hàm find_top_k_documents: Trả về kết quả kiểu list[tuple[int, float]] theo đúng đặc tả kỹ thuật và kích thước quy định.

Ràng buộc

  • Thời gian chạy tối đa: 6000ms.
  • Giới hạn bộ nhớ: 512MB.
  • Dữ liệu đầu vào hợp lệ theo đúng kiểu dữ liệu và miền giá trị được mô tả.

Ví dụ 1

Input

v = np.array([3.0, 4.0])
v_norm = l2_normalize(v)

Output

[0.6, 0.8]

Giải thích

Hàm/lớp được gọi với các tham số mẫu trên và trả về kết quả số học / kích thước tensor tương ứng theo đúng thiết kế.

Ví dụ 2

Input

v = np.zeros((3,))
v_norm = l2_normalize(v)

Output

[0., 0., 0.]

Giải thích

Hàm/lớp được gọi với các tham số mẫu trên và trả về kết quả số học / kích thước tensor tương ứng theo đúng thiết kế.

3 cấp độ gợi ýMở dần khi bạn thật sự cần hỗ trợ.
Phân tích lời giảiGiải thích hướng tư duy và thuật toán.
Code tham khảoDùng để đối chiếu sau khi tự làm.

Gợi ý và lời giải chỉ mở sau khi bạn bấm Nộp bài. Giáo viên và quản trị viên mở được ngay.

Bài tập liên quan cùng chuyên đề

Tự xây dựng tầng nhúng Embedding Lookup Table từ ma trận trọng số và Index Slicing
Cơ bản30p
Chỉ Mục Vector Nhúng Dày Đặc (Dense Vector Flat Index) từ Gốc
Trung bình35p
Tìm Kiếm Embedding Dày Đặc – Cosine Similarity Và MIPS
Trung bình35p
Gom cụm Vector Nhúng Chuỗi bằng Cơ Chế Pooling có Mặt Nạ (Masked Sequence Embedding Pooling)
Trung bình30p

Góp ý & báo lỗi bài tập

Đề bài chưa rõ, test có vấn đề hay bạn có ý tưởng giúp bài tốt hơn? Gửi cho đội ngũ AI Empire nhé — mỗi góp ý đều được đọc.