EmbeddingGemma 2: оптимизация размерности эмбеддингов с помощью QR-разложения

В статье рассматривается метод снижения размерности выходных векторов EmbeddingGemma 2 с 768 до 512 признаков с использованием QR-разложения проекции. Эксперименты на базе RTX 5090 показали, что данный подход позволяет сократить пиковое потребление памяти и уменьшить задержку поиска в FAISS без существенной потери качества косинусного сходства.