从领域数据、模态路由和梯度缓存出发，完整介绍视觉文档检索微调、Matryoshka多维嵌入评估与多模态重排模型训练，并保留原作者全部实验表及适用限制。

涵盖 PyTorch 半精度与 Flash Attention、torch.compile、ONNX 优化和动态量化、OpenVINO 静态量化，以及保存重载、完整基准方法和 llama.cpp 对照。