tusKANNy è un team di ricerca che sviluppa algoritmi e strumenti open-source allo stato dell'arte per la ricerca ANN su rappresentazioni neurali dense, sparse, e multi-vettore .
Indici a grafo ad alte prestazioni e tecniche di quantizzazione per una ricerca efficiente su embedding denso.
Strutture efficienti basate su indici invertiti e grafi per embedding sparso appreso, con accuratezza quasi esatta in un centinaio di microsecondi.
Pipeline di retrieval allo stato dell'arte che gestiscono rappresentazioni multi-vettore senza compromettere la velocità.
Novità
Approfondimenti
Le nostre due proposte per il Task 3 della SISAP 2026 Indexing Challenge, un grafo kANNolo e un indice invertito Seismic costruiti sulla stessa base, sono arrivate prima e seconda.
RerankIndex implementa il retrieval a due stadi come un unico blocco. kANNolo 0.12 offre indici a due stadi densi e sparsi basati su di esso, fino a 4,3× più veloci di HNSW.
Open Source
Retrieval multi-vettore late-interaction veloce e scalabile
TACHIOM è una struttura dati veloce e scalabile per il retrieval multi-vettore late-interaction, scritto in Rust con binding Python. Consente di raggruppare centinaia di milioni di vettori in pochi minuti e di recuperare dati da grandi collezioni multi-vettore in meno di 10 ms.
Retrieval approssimato veloce su embedding sparsi appresi
Un motore di ricerca superluminale per rappresentazioni sparse apprese, scritto in Rust con binding Python. Seismic indicizza collezioni di vettori sparsi e recupera risultati in microsecondi mantenendo un'accuratezza quasi esatta.
Libreria ANN veloce per embedding densi, sparsi e multi-vettore
Una libreria Rust flessibile che combina tecniche di indicizzazione allo stato dell'arte per embedding densi, sparsi e multi-vettore. Progettata per rendere rapida ed ergonomica la prototipazione di nuovi algoritmi ANN.
Base unificata per storage e compressione di embedding
Una libreria Rust per archiviare, accedere e comprimere dataset di embedding densi, sparsi e multi-vettore. Fornisce un'interfaccia unificata dataset/encoder condivisa tra i crate di indicizzazione e ricerca di tusKANNy. Include un'API di ricerca esaustiva e uno strumento CLI per il calcolo del ground truth.
Indice esatto elementare ma molto veloce per il learned sparse retrieval
Un indice invertito esatto per rappresentazioni sparse apprese, scritto in Rust. Valuta ogni posting senza pruning né approssimazioni, con una strategia term-at-a-time su blocchi di doc-id che sfrutta al meglio la cache. Ideale per il calcolo del ground truth: su MS MARCO è 37× più veloce di una scansione brute-force multithread, costruzione dell'indice inclusa.
Ricerca
Silvio Martinico, Franco Maria Nardini, Cosimo Rulli, Rossano Venturini
Descrive come la libreria kANNolo e l'indice Seismic condividano una base comune, mostrando come combinarli per un retrieval approssimato efficiente su rappresentazioni sparse apprese.
Matteo Attimonelli, Alessandro De Bellis, Franco Maria Nardini, Claudio Pomo, Cosimo Rulli, Rossano Venturini, Tommaso Di Noia
Rende sparsi gli embedding multimodali universali pre-addestrati dopo l'addestramento, abilitando retrieval efficiente con indici sparsi senza riaddestrare il modello.
Franco Maria Nardini, Luca Rizzo, Cosimo Rulli, Rossano Venturini
Presenta layout di indice compatti per il learned sparse retrieval che riducono l'occupazione di memoria preservando efficienza e accuratezza delle query.
Francesco Gargiulo, Rossano Venturini
Introduce OnPair, un algoritmo di compressione basato su dizionario per stringhe corte che costruisce il dizionario in un'unica passata cache-friendly e comprime ogni stringa in modo indipendente, eguagliando i rapporti di compressione di BPE con un addestramento molto più veloce e accesso casuale a grana fine.
Community
Una lista curata di articoli, librerie, benchmark e strumenti per il Learned Sparse Retrieval, con modelli, strutture di indicizzazione e risorse di valutazione.
Una lista curata di articoli, codice, modelli e dataset per il retrieval late-interaction multi-vettore - copre modelli stile ColBERT, tecniche di indicizzazione, librerie software e benchmark.
Una lista ampia e commentata di risorse su agentic search e agentic deep research - copre interfacce di retrieval, il ciclo di ricerca agentica, addestramento basato su RL, sistemi e benchmark.
Organizzazione ufficiale tusKANNy su Hugging Face, che ospita modelli e dataset rilasciati insieme alla nostra ricerca.
Usato dagli strumenti che già utilizzi
Dove Trovarci
Siamo a Pisa, una delle città universitarie più storiche d'Italia. Il nostro team lavora tra l' Università di Pisa and the Consiglio Nazionale delle Ricerche.
Che tu sia un ricercatore interessato all'ANN, un professionista in cerca di collaborazione o un'azienda che cerca soluzioni su misura, ci farà piacere sentirti. Le nostre porte a Pisa sono sempre aperte.
info [AT] tuskanny [DOT] com
