latent.fs / tags / Benchmark — 12 items

/feed.xml

태그 / TAG

#Benchmark

2026-10 2편

  1. 벡터 삽입 후 HNSW 검색 재현율은 어떻게 달라질까? (100만+100만)

    pgvector와 Qdrant에 신규 벡터 100만 개를 추가하고, 삽입 순서·분할과 fresh 인덱스의 Recall 차이를 측정했습니다. 실제 세그먼트 기록과 소스 코드로 서로 다른 거동을 해석합니다.

    DB

  2. 벡터 삽입 후 HNSW 검색 재현율은 어떻게 달라질까? (1만+1만)

    pgvector와 Qdrant에서 벡터 1만 개를 추가한 전후와 동일한 최종 데이터의 fresh·증분 인덱스를 비교했습니다.

    DB

2026-09 2편

  1. tgrep·CodeGraph·Mantic·ripwire는 ripgrep을 대신할 수 있나

    저장소 8개에서 측정해 보니 tgrep은 쿼리, CodeGraph는 언어 커버리지, Mantic은 파일 이름, ripwire는 질문 방식이 성패를 갈랐습니다

    AI·Agent #35

  2. ego-browser와 Aside는 다르게 실패한다

    ego-browser는 에이전트 탭을 따로 두고 Aside는 사용자의 실제 탭을 씁니다. ego는 빗나간 클릭에도 성공을 반환했고 Aside는 오류로 멈췄습니다

    AI·Agent #34

2026-06 1편

  1. MTP와 diffusion으로 LLM 추론 가속하기

    Gemma 4·Qwen 3.6 H100 fp8 측정. MTP는 정확도를 거의 유지하며 1.43~2.62배, diffusion은 약 4배 빠르나 정확도가 낮았습니다

    AI·Inference #31

2026-05 7편

  1. PG-Strom SSB 벤치마크 — GPU보다 Arrow FDW가 먼저다

    테스트 555건에서 Arrow FDW 없는 GPU는 1.6배였고 wide table에서는 CPU보다 느렸습니다. Arrow FDW를 쓰면 SF=100에서 10배

    DB #22

  2. GraphDB 8종 벤치마크 (2/2) — 워크로드 매트릭스와 최종 선택 기준

    그래프 엔진 8종을 OLTP, 메모리, 분석, 차별화 쿼리로 측정. OLTP는 RCTE와 MemGraph가 22.5K RPS로 동률이었고 워크로드별 선택표로 정리

    AI·RAG #21

  3. PDF-Markdown 변환 도구 5종 비교

    학술 논문 PDF 변환 도구 5종을 100점 만점 루브릭으로 평가했습니다. 수식과 표를 살린 mineru가 92점, markitdown은 14점

    AI·RAG #17

  4. Apple Silicon LLM 추론 백엔드 5종 벤치마크

    Qwen3.5-9B를 백엔드 5종으로 측정했습니다. 단일 요청은 MLX가 25 tok/s로 가장 빨랐고, 동시 요청을 batching한 것은 omlx뿐이었습니다

    AI·Infra #13

  5. Apache AGE 없이 LightRAG — Recursive CTE로 그래프 저장소 구현

    LightRAG의 BaseGraphStorage를 plain PostgreSQL + RCTE로 구현. 1-hop lookup 중심의 retrieval 패턴이 평면 SQL과 잘 맞는 이유

    AI·RAG #14

  6. 긴 컨텍스트 평가의 진짜 질문 — NIAH와 Lost in the Middle

    NIAH 벤치마크의 한계, Lost in the Middle 현상, 대안 벤치마크, 4모드 측정 결과

    AI·Model #10

  7. GraphDB 8종 벤치마크 (1/2) — RCTE 290x 격차의 원인 분해

    엣지 114만 개 그래프에서 RCTE 처리량이 Apache AGE의 290배였습니다. 원인은 호출당 13ms인 cypher() wrapper와 plan 생성 비용

    AI·RAG #20

태그 / TAGS 191

모든 태그 191개 →