English(EN) When Is 0.1% Enough? Analyzing the Combined Effects of Dimensionality Reduction and Quantization on Text Embedding Compression

新研究探索极端文本嵌入压缩

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-02 04:00

研究人员调查了降维和量化对压缩文本嵌入的组合影响。他们的实验使用了四个 MTEB 任务家族和四个预训练嵌入模型，结果表明，这种组合方法比单独使用任何一种方法都能实现显著更大的压缩。在某些情况下，嵌入可以减小到原始大小的 0.1%，而性能损失极小，尽管最佳策略因任务而异。 AI

影响展示了文本嵌入模型在存储和计算成本方面显著降低的潜力。

排序理由这是一篇分析文本嵌入压缩技术方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Riku Kisako, Hayato Tsukagoshi, Ryohei Sasano · 2026-06-02 04:00

When Is 0.1% Enough? Analyzing the Combined Effects of Dimensionality Reduction and Quantization on Text Embedding Compression

arXiv:2606.01074v1 Announce Type: new Abstract: Recent high-performing text embedding models often output high-dimensional real-valued vectors, resulting in substantial storage and computational costs. To address this issue, compression methods based on dimensionality reduction o…