ibUMAP：同步场评估让 UMAP 提速最高 5.79 倍

2026年10月5日，AGI Hunt 报道了一篇 arXiv 论文提出的 ibUMAP 方法。该工作用基于一致场的同步评估替代 UMAP 的随机负采样，使吸引力与排斥力从同一嵌入快照中同步评估。据论文给出的数据，在 CPU 上相对 umap-learn，ibUMAP 中位加速为 3.29 倍（无种子）、5.79 倍（有种子）；在百万级数据上，GPU 无种子相对 cuML 加速 1.44 倍。论文还称其运行间稳定性显著提升，且代码已开源。目前该工作处于论文公开阶段，尚无第三方复现或后续进展的报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。