Skip to main content
AI RADARGitHub
30•12/11/2026, 15:00•3 min

Meta FAIR presenta e-means: un algoritmo de clustering que supera a k-means

GitHubGotBurnout Radar

Meta FAIR presenta e-means: un algoritmo de clustering que supera a k-means

AI Daily Digest•Verified Tech Release

Meta FAIR presentó e-means, un algoritmo de clustering que alcanza la calidad del k-means clásico en solo 1,4–2,6 épocas y acelera notablemente el trabajo con grandes bases de vectores.

k-means sigue siendo uno de los algoritmos de ML más utilizados: búsqueda vectorial, RAG, clustering de embeddings, limpieza y balanceo de datasets, cuantización de pesos y KV-cache, creación de codebooks para tokens de imágenes y audio, análisis de datos y detección de anomalías. Sin embargo, con miles de millones de vectores, cada pasada completa de k-means es muy costosa.

Los autores proponen actualizar los centros de los clústeres mediante una media móvil exponencial por lotes. Para cada clúster se almacena el número de puntos y su suma; con cada nuevo lote, estos valores se actualizan para que los datos recientes tengan más peso y los antiguos se olviden gradualmente. El centro del clúster sigue siendo la media normal: la suma dividida por la cantidad de puntos.

Gracias a esto, los centros empiezan a moverse después de los primeros lotes, no después de una pasada completa por los datos. El tamaño del lote y el paso de actualización se calculan con fórmulas listas para usar, por lo que no hace falta ajustar hiperparámetros manualmente.

Como resultado, e-means alcanza la calidad del k-means clásico mucho más rápido e incluso con una pérdida ligeramente menor. En la prueba más grande —10 mil millones de embeddings y 16 millones de clústeres— utilizó casi 9 veces menos horas de GPU.

Esto es especialmente importante para sistemas RAG sobre bases enormes, donde construir índices puede requerir miles de horas de GPU.

Artículo | Código | Proyecto

Por qué es importante

Análisis

Un clustering más rápido puede reducir el coste de indexar grandes bases vectoriales en sistemas RAG y otras cargas de IA basadas en embeddings.

Debatir en la comunidad

Comparte tus preguntas e ideas con desarrolladores

Unirse a Telegram
+5 Points
← Volver a noticias

Relacionado en el ecosistema

Guías prácticas, terminología y skills de agentes