通俗解释
直觉：把最重要的信息塞进向量最前面的几维。训练时同时对前 8、16、32…维分别算损失，于是截断后的短向量也能用，只损失少量精度；检索时可以先用短向量粗筛、再用完整向量精排，在存储成本和精度之间灵活取舍。
用在哪里：OpenAI text-embedding-3、Sentence Transformers 的 MatryoshkaLoss 等可变维度嵌入；2026-10 的 SpecMRL（arXiv 2610.26824）用谱基重排前缀
01原始论文
Matryoshka Representation Learning
Aditya Kusupati, Gantavya Bhatt, Aniket Rege, et al. · 2022
arXiv ↗ ✓ 已核实 · arXiv API
备注：已核实：OpenAI 2024-01-25《New embedding models and API updates》脚注引用 MRL
02知识位置
左边先学；右边是学完它之后可以学的。
相关：乘积量化 PQ
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
matryoshka)