定義
Matryoshka埋め込み（MRL）とは、1本のベクトルの先頭部分だけを切り出しても意味情報を保つように学習された埋め込み手法のこと。用途に応じて次元数を柔軟に削れる。
Matryoshka埋め込み (MRL)とは（詳しく解説）
Matryoshka埋め込み（Matryoshka Representation Learning、MRL）とは、ベクトルの先頭何次元かだけを切り出しても、そのまま意味的に有効な埋め込みとして使えるように学習された手法のこと。入れ子人形のように大きいベクトルの中に小さいベクトルが含まれているのが名前の由来で、OpenAIやGoogleのGemini系embeddingモデルなどで採用が広がっているとされる。通常のembeddingは次元を減らすと精度が大きく落ちるが、MRL対応モデルなら次元を1536から256のように絞ってもある程度の精度を保てるため、ベクトルDBのストレージ費用や検索速度のコストを抑えたい実運用で重宝される。ただし現場では、モデルによって削減の許容範囲が異なり、削りすぎると類似検索の精度が想定以上に劣化する落とし穴があるため、削減前後でRAGの検索精度を検証する運用が2026年時点では定石とされる。相場感としては次元を1/4程度に圧縮してもトップNの検索結果はさほど変わらないケースが多いとされ、業務要件に応じて許容できる劣化幅を見極めて選ぶのが現実的だ。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「Matryoshka埋め込み (MRL)とは」 https://aipicks.jp/glossary/matryoshka-embedding
Matryoshka埋め込み (MRL)の使用例
- Web検索APIでベクトル次元を1536から256に削減し、ストレージコストを抑える設計に使う。
- 画像検索アプリで一覧表示は128次元の粗い絞り込み、詳細一致判定は全次元で行う2段階運用に使う。
