Las incrustaciones binarias nativas superan a la binarización posterior al entrenamiento

Un experimento a pequeña escala muestra que los modelos de incrustación binaria nativa logran un mejor rendimiento en recuperación que la binarización posterior al entrenamiento de modelos de punto flotante. En Recall@10 de SciFact, los modelos binarios nativos (de 2048 y 4096 dimensiones) superan a los modelos binarios posteriores al entrenamiento en un 17 % y un 25 %, respectivamente, con ventajas significativas en velocidad y memoria durante la indexación.