以二值向量和 FAISS 快速召回候选，再载入磁盘 int8 嵌入重排，减少语义检索内存占用；近似相似度和召回质量需用目标语料评测。

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。

从模型结构、列顺序和稀疏正则，到完整 Trainer、评估器与多数据集采样，说明如何同时观察检索质量与索引成本。

从多前缀损失、AllNLI训练和STSBenchmark逐维评估出发，理解套娃嵌入如何节省检索存储与后续计算，并分清远程模型代码、上传副作用及版本兼容边界。

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。

从模型起点、领域问答对和 GradCache 损失到完整训练脚本，理解多向量检索的微调方法、长文档截断代价及索引压缩取舍。