La búsqueda exacta compara una consulta contra cada vector, lo que es lineal en el tamaño del corpus. Los índices ANN como HNSW o IVF construyen una estructura (un grafo navegable, o un conjunto de clústeres) que solo visita un subconjunto pequeño de candidatos, dando tiempo de consulta sublineal. Sacrificas recall exacto: se pierden algunos vecinos verdaderos. Parámetros como efSearch o nprobe te mueven por la curva de recall frente a latencia.
Por qué lo preguntan los entrevistadores
La recuperación vectorial está debajo de casi todos los sistemas actuales de recomendación y de RAG, así que los entrevistadores quieren saber si entiendes el índice en vez de tratar la base de datos como magia. La respuesta clave es que la aproximación cae en el recall, y que el recall es un dial ajustable. Nombrar un parámetro concreto y describir cómo mides el recall contra una línea base exacta por fuerza bruta es lo que separa aquí la experiencia real.
Cómo estructurar tu respuesta
- Contrasta un barrido lineal exacto con la estructura del índice.
- Explica en una línea cómo HNSW o IVF estrecha el conjunto de candidatos.
- Nombra el compromiso como recall, y di que es ajustable.
- Describe cómo mides el recall contra una línea base exacta.
Ejemplo de respuesta
La búsqueda exacta significa comparar la consulta contra cada vector, lo que está bien con cien mil y es imposible con cien millones. Los índices ANN recortan el conjunto de candidatos. HNSW construye un grafo de proximidad por capas y lo recorre de forma voraz desde una capa superior dispersa hasta una inferior densa, así que tocas unos pocos miles de nodos en vez del corpus entero. IVF agrupa el espacio primero y solo busca en los clústeres más cercanos. En cualquier caso, a lo que renuncias es al recall: a veces el vecino verdadero más cercano queda justo fuera de la región que exploraste. Lo importante es que es un dial. En HNSW, efSearch controla lo ancho que es el haz; en IVF, nprobe controla cuántos clústeres abres. Siempre construyo un pequeño conjunto de verdad, unos miles de consultas puntuadas por fuerza bruta, y luego barro ese parámetro y grafico el recall en diez contra la latencia p99. En el último sistema que ajusté, pasar del 95 al 99 por ciento de recall triplicó la latencia y movió la tasa de clic aguas abajo casi nada, así que nos quedamos en 95. También monitorizo el recall, porque se degrada sin ruido tras las reconstrucciones grandes del índice.
¿Tienes esta entrevista a la vuelta de la esquina? GhostPilot escucha tu llamada en vivo, detecta la pregunta en cuanto la hacen y pone una respuesta estructurada en tu pantalla en tiempo real. Pruébalo en tu próxima entrevista de práctica, o coge un Session Pass de $29, sin suscripción, para la de verdad.
Mira cómo funcionaPreguntas de seguimiento que puedes esperar
- ¿Cómo reduce memoria la cuantización de producto, y qué te cuesta?
- ¿Qué cambia cuando el índice tiene que soportar borrados frecuentes?
- ¿Cuándo ganaría la búsqueda híbrida de palabras clave más vectores a la vectorial sola?
Más preguntas para Ingeniero de machine learning
Tu entrevistador hará su propia versión de esta. Pega la descripción real del puesto en el Question Predictor gratuito y obtén las 20 preguntas que ese puesto tiene más probabilidades de hacerte, con lo que cada una busca en realidad.
Predecir mis preguntas