Originalarbeiterreichbar
Matryoshka Representation Learning
Das Verfahren hinter den kürzbaren Embeddings: Die Zahlenreihe wird so trainiert, dass schon ihr Anfang für sich brauchbar ist. Wer Speicher sparen will, schneidet hinten ab, statt ein zweites Modell zu betreiben. Grundlage der frei wählbaren Dimensionszahl heutiger Embedding-Dienste.
geprüft 24.09.2026
Worauf sich diese Seite beruft, wörtlich, abgerufen am 28.07.2026:
Matryoshka Representation Learning (MRL) which encodes information at different granularities
bestätigt 24.09.2026up to 14x smaller embedding size for ImageNet-1K classification at the same level of accuracy
bestätigt 24.09.2026at least as accurate and rich as independently trained low-dimensional representations
bestätigt 24.09.2026