向量数据库是一种专门用于管理高维数据的数据库系统，与传统数据库系统主要处理结构化数据不同，向量数据库专注于存储和检索以向量形式表示的数据，这些数据可以是文本、图像、音频等复杂数据类型。在大数据和人工智能技术的驱动下，向量数据库已经广泛应用于信息检索、推荐系统、语音识别、图像分析等领域，成为数字化转型和智能化发展的重要推动力。然而，面对海量高维向量数据的实时更新、存储、检索与分析需求，特别是来自于大语言模型（LLM）等人工智能技术的应用需求，传统数据库技术还面临着许多挑战，亟需发展新的数据库理论、方法与技术，提高向量数据库对实际应用场景的支持能力。

本专刊立足于向量数据管理与分析，探索新型数据库系统核心技术以及向量数据库对支持智能化模型应用的技术突破，特别是聚焦向量数据的高效存取、多模融合的向量建模与计算、向量数据库性能评测优化以及其在人工智能技术中的实际应用等方面的最新研究成果。本专刊将重点关注向量数据库及DB4LLM技术研究中具有创新性和突破性的高水平研究成果，探讨相关基础理论、关键技术，以及在系统研发过程中关于系统设计原理、范式、架构、经验等方面的实质性进展，探讨其在相关产业和领域的应用前景。

经过第一轮评审的论文作者需要参加NDBC2025会议并到会报告，之后特约编辑和编辑部根据复审情况和会议报告情况决定文章的最终结果，专刊将在2026年第3期出版。读者群体包括数据库、数据挖掘、人工智能等多个领域的研究人员和工程人员。

专刊题目：向量数据库及DB4LLM技术 
特约编辑：高宏（浙江师范大学）李国良（清华大学）张蓉（华东师范大学）
出版时间：2026年第3期

一、征文范围
包括但不限于以下主题：
（1）向量数据的高效存取与动态更新技术
（2）向量数据库的索引结构和近似搜索算法
（3）异构模型的统一管理与访问
（4）多模融合的向量计算
（5）向量数据库性能评测和优化方法
（6）面向不同领域的向量数据库智能优化技术
（7）面向异构硬件（如GPU、FPGA）的向量数据库加速方案
（8）基于向量数据库的大模型训练和推理优化方法

二、投稿要求
1. 投稿方式：采用“软件学报在线投稿系统”(http://www.jos.org.cn)投稿。投稿时请选择投稿类型为“专刊投稿”，并在备注栏中注明“向量数据库及DB4LLM技术”字样。
2. 稿件格式：参照《软件学报》论文格式(网站上提供了论文模版，可下载)。
3. 投稿文章未在正式出版物上发表过，也不在其他刊物或会议的审稿过程中，不存在一稿多投现象；保证投稿文章的合法性(无抄袭、剽窃、侵权等不良行为)。
4. 其他事项请参阅投稿指南http://www.jos.org.cn/ch/reader/view_fixed_content.aspx?id=instructions
5. 投稿作者需提交投稿声明；专刊投稿文章不收审理费。录用刊发文章收取软件学报标准版面费。发表之后，将按软件学报标准支付稿酬，并赠送样刊。
6. 通过第一轮评审的论文作者，需在NDBC2025上做学术报告，根据论文修改情况和会议报告情况终审确定是否录用。

三、重要时间
收稿截稿时间：2025年5月6日
第一轮评审结果通知时间：2025年7月1日
提交修改稿时间：2025年7月16日
NDBC2025报告日期：2025年8月1-3日
终审结果通知日期：2025年8月20日
出版时间：2026年第3期