一句话结论
这篇论文不提出新嵌入模型，而是把“层级可变长表示”和“量化”这两个已被分别使用的效率手段放到同一张 MTEB 评测表里，回答一个工程问题：省存储时，降维和降精度各自会把哪些任务先拖坏。作者在 arXiv 全文 中按任务类别报告结果，避免用一个平均分掩盖检索的快速退化。
方法要点
核心思路是控制变量做交互评测：固定四个 Transformer 嵌入模型，分别在一维/二维层级表示上，组合 32 位浮点、8 位整数、二值三种精度，跑 MTEB 的 38 项任务；每个任务形成 168 种配置。它不是训练新模型，而是比较“表示侧降维”和“数值侧降精度”同时使用时，效果与效率如何变化。
关键设计有三点：
- 效率拆成两维记录：每向量理论存储、端到端评测时间。前者可按维度与位宽估算，后者只测一次，作者明确把它当指示性结果。
- 层级表示通过从中间层采样得到可变长度向量；量化把数值精度从 32 位降到 8 位或二值。二者正交，所以要观察组合效应，而不是只看单项。
- 统计检验用 Friedman 检验加 Nemenyi 事后分析，并按任务类别下结论，尤其单独盯检索。
存储公式可写成 (S \approx d \cdot b)。当维度降到 (d/8) 且用 int8，(S \approx (d/8)\cdot 8 = d)，相对 32 位浮点的 (32d) 就是 32 倍下降；论文对应设置保留 94.4% 基线效果。实验配置伪代码如下：
对于 模型 in 四个Transformer嵌入模型:
对于 层级 in [一维, 二维]:
对于 精度 in [32位浮点, 8位整数, 二值]:
对于 任务 in MTEB的38项任务:
# 每个任务共 168 种配置
运行并记录(任务, 模型, 层级, 精度,
指标=[配对分类, 重排序, 检索, ...],
效率=[每向量存储, 端到端评测时间])
关键数字
| 数据集/任务范围 | 指标/结论 | 对比基线 | 提升幅度/变化 |
|---|---|---|---|
| MTEB 38 项任务，四个 Transformer 嵌入模型，一维/二维层级表示，32 位/8 位/二值量化 | 配置覆盖 | — | 每任务 168 种配置 |
| 配对分类、重排序 | int8 与 32 位浮点的统计差异 | 32 位浮点 | 统计上不可区分；整体最多损失 1.5 个百分点 |
| 所有任务类别 | 二值量化对比 | 基线 | 每一类都显著更差 |
| 一次维度减半 | 统计可检测性 | 原始维度 | m>16 时不可检测；连续两次减半总可检测 |
| 8 倍降维 + int8 | 每向量存储与效果 | 32 位浮点基线 | 存储下降 32 倍，保留 94.4% 基线效果 |
| 端到端评测时间 | 量化是否提速 | 未量化基线 | 无证据表明量化提速；中间层采样明显缩短时间，但仅单次测量，属指示性 |
局限与前提
第一，评测时间只测一次，作者自己把时间结论视为指示性。因此“量化没让评测更快”不能直接当成吞吐定论；相对稳的观察是，从中间层采样能明显缩短评测时间。
第二，检索退化远快于其他类别。配对分类和重排序上 int8 与 32 位浮点统计上不可区分，但这个结论不能直接外推到检索；工程上应按任务类别设阈值，而不是用一个全局量化档位。
第三，二值量化在所有任务类别都显著更差，不适合作为默认省存储方案。它可能适合极端存储受限场景，但论文没有给出“可接受”的兜底结论。
第四，“维度减半一次”不是无条件安全：m>16 时统计不可检测，连续两次减半总可检测。也就是说，减半一次有边界，连续减半会稳定暴露损失。
第五，8 倍降维加 int8 换来 32 倍每向量存储下降，但只保留 94.4% 基线效果，不是无损压缩。适用场景是文本嵌入的 MTEB 任务与四个 Transformer 模型、一维/二维层级表示；不能直接外推到生成模型或其他模态。
能不能用
论文是作者版开放获取文章，CC BY 4.0，发表在 Information Sciences 763 (2027) 124271，arXiv 摘要页 可查。信息源没有给出代码仓库或权重下载链接，所以不能直接说“开箱复现”。
本地复现至少需要：MTEB 的 38 项任务评测流程、四个 Transformer 嵌入模型、一维/二维层级表示实现，以及 32 位/8 位/二值量化实现；按论文设置每个任务跑 168 种配置，并分别记录每向量存储和端到端评测时间。硬件与耗时信息源未列，无法给本地成本。若做线上选型，可先用 int8 在配对分类和重排序上验证，再单独压测检索；不要用二值量化直接兜底。