20 mars 2026
Rapidité vs précision : mesurer le rappel de la recherche vectorielle quantifiée
Comment mesurer le rappel pour la recherche vectorielle dans Elasticsearch avec une configuration minimale.
2 mars 2026
Arrêt précoce adaptatif pour HNSW dans Elasticsearch
Présentation d'une nouvelle stratégie adaptative d'arrêt précoce pour HNSW dans Elasticsearch.
25 février 2026
La recherche vectorielle Elasticsearch est jusqu'à 8 fois plus rapide qu'OpenSearch
Exploration des benchmarks de recherche vectorielle filtrée entre OpenSearch et Elasticsearch et pourquoi la performance de la recherche vectorielle est critique pour les systèmes d’ingénierie de contexte.
3 décembre 2025
Indexation vectorielle jusqu'à 12 fois plus rapide dans Elasticsearch avec NVIDIA cuVS : accélération GPU : chapitre 2
Découvrez comment Elasticsearch atteint un débit d'indexation près de 12 fois supérieur grâce à l'indexation vectorielle accélérée par GPU et NVIDIA cuVS.
4 novembre 2025
Recherche multimodale de sommets avec Elasticsearch et SigLIP-2
Apprenez à mettre en œuvre la recherche multimodale texte-image et image-image en utilisant les encastrements SigLIP-2 et la recherche vectorielle Elasticsearch kNN. Objectif du projet : trouver des photos du sommet du mont Ama Dablam prises lors d'un trekking dans l'Everest.
3 novembre 2025
Amélioration de la pertinence des modèles d'intégration multilingues grâce à un système hybride de classement des recherches
Découvrez comment améliorer la pertinence des résultats de recherche du modèle d'intégration multilingue E5 en utilisant le reranker de Cohere et la recherche hybride dans Elasticsearch.
22 octobre 2025
Déploiement d'un modèle d'intégration multilingue dans Elasticsearch
Apprenez à déployer un modèle d'intégration multilingue e5 pour la recherche vectorielle et l'extraction multilingue dans Elasticsearch.
3 septembre 2025
Filtrage de la recherche vectorielle : Garder la pertinence
Il ne suffit pas d'effectuer une recherche vectorielle pour trouver les résultats les plus similaires à une requête. Le filtrage est souvent nécessaire pour réduire les résultats de la recherche. Cet article explique comment fonctionne le filtrage pour la recherche vectorielle dans Elasticsearch et Apache Lucene.
13 mai 2025
Mapping embeddings to Elasticsearch field types : semantic_text, dense_vector, sparse_vector
Discuter comment et quand utiliser semantic_text, dense_vector, ou sparse_vector, et comment ils sont liés à la génération d'embedding.