_{🧠 记忆锚点：BQ 把维度压成比特，极快但损失大；PQ 分段查码本，压缩与精度更均衡。}

💡 答案要点

Binary Quantization = 把 float32 向量压缩成二进制（0/1）位向量，实现 32 倍压缩

量化原理：

import numpy as np

def binary_quantize(vector: np.ndarray) -> np.ndarray:
    """大于均值的维度为 1，否则为 0"""
    mean = vector.mean()
    return (vector > mean).astype(np.uint8)

# 相似度：XOR + popcount（位运算，比浮点计算快 10 倍以上）
def hamming_similarity(a: np.ndarray, b: np.ndarray) -> float:
    return (a == b).mean()

三种量化方案对比：

维度	原始 float32	PQ（乘积量化）	Binary Quantization
存储（1536维）	6144 字节	16-96 字节	192 字节
压缩比	1x	64-384x	32x
计算加速	基准	SIMD	AVX-512 位运算（最快）
精度损失	无	中等	较大
适用场景	精度优先	内存受限	速度优先超大规模

搭配 Matryoshka Embeddings（OpenAI text-embedding-3）：

# 先截断到 512 维，再做 BQ → 只有 64 字节！比原始节省 96 倍
response = client.embeddings.create(
    model="text-embedding-3-large",
    input="测试文本",
    dimensions=512  # Matryoshka 截断
)

典型两阶段检索用法：

1. 粗召回：BQ 向量超快速检索 Top-500（位运算极快）
2. 精排：原始 float32 对 Top-500 重新打分 → 返回 Top-20

面试话术：

"二进制量化是最激进的向量压缩：float32 变成 0/1，压缩 32 倍，XOR+popcount 位运算比 SIMD 浮点快 10 倍以上。代价是精度损失较大，通常配合两阶段检索——先 BQ 粗召回，再原始向量精排。搭配 OpenAI Matryoshka 的 512 维截断，最终只有 64 字节，非常适合超大规模搜索。"

---