ANN（近似最近邻）基准数据集和评估通常优先考虑欧几里得距离（L2）作为默认度量，但许多框架和研究也会在多个距离度量下测试算法，以确保更广泛的适用性。虽然欧几里得距离因其在机器学习中的简单性和普遍性而被广泛使用，但像 ann-benchmarks 这样的基准测试以及像 SIFT-1M 或 GloVe 这样的数据集都支持余弦相似度、曼哈顿距离（L1）和其他度量。这反映了现实世界的场景，其中不同的应用程序（如文本相似度（余弦）或地理空间数据（曼哈顿））需要不同的距离度量。但是，并非所有数据集或评估都明确设计为测试所有度量，并且某些数据集或评估会假设默认值，除非明确配置其他值。
ANN 基准测试中常用的数据集通常经过预处理或选择以与特定指标对齐。例如，MNIST 数据集（图像数据）通常使用欧几里得距离进行评估，而 GloVe（词嵌入）则针对余弦相似度进行归一化。度量的选择会影响数据的索引或预处理方式。例如，余弦相似度要求向量归一化为单位长度，这实际上将其转换为单位球体上的欧几里得距离问题。像 ann-benchmarks 这样的基准测试通过允许用户在评估期间指定预处理步骤（例如，归一化）和距离度量来处理此问题。但是，某些数据集缺乏关于度量选择的明确指导，因此开发者需要根据其使用案例选择合适的度量。
ANN 算法的评估通常会测试多个度量以评估通用性。例如，FAISS（一个流行的 ANN 库）为 L2 和内积（与余弦相关）距离提供了优化的索引，并且基准测试比较了它们在这些度量上的性能。同样，HNSW 算法允许交换距离函数，从而可以在 L1、L2 或自定义度量下进行测试。但是，并非所有算法都平等地支持每个度量——有些算法针对特定度量进行了优化。这意味着基准测试必须清楚地报告测试了哪些度量以及它们如何影响结果。开发者应验证基准测试的评估是否与其目标度量对齐，因为算法性能可能会有很大差异。例如，针对 L2 优化的方法可能由于距离计算和索引方式的差异而在曼哈顿距离上表现不佳。