无需神经网络训练：多项式自编码器在向量压缩任务上显著超越PCA

针对Transformer嵌入（Embedding）的内存成本问题，文章提出了一种结合PCA与二次多项式解码器的压缩方法。传统的PCA是线性投影，无法捕捉神经网络嵌入中的非线性结构，导致检索质量下降。新方法通过多项式升维和岭回归构建了一个闭式解的解码器，无需SGD训练或GPU，仅用几分钟即可完成拟合。实验数据显示，在4倍压缩率下，该方法在检索质量（NDCG）上不仅显著优于PCA和简单的Matryoshka截断，甚至能逼近未压缩模型的性能，为大规模向量数据库提供了一种极具性价比的降维方案。