Matryoshka埋め込み (MRL)
読み: まとりょーしかうめこみ
最終更新: 2026-07-13・AI PICKS編集部
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。
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。
Matryoshka埋め込み (MRL)に関連するAIツール
関連用語
「RAG・検索拡張」の他の用語
Retrieval-Augmented Generation。 社内資料や外部 DB を検索してから AI に答えさせる仕組み。
文章や画像を 数値ベクトルに変換する技術。 類似度検索や RAG の基礎。
出典付きで回答する AI 検索エンジン。 リサーチ業務で従来検索を置き換える。
Google 検索の上位に AI が回答を提示する 「AI Overviews」 や Perplexity 等の新世代検索。
Embedding (数値ベクトル) を高速に類似度検索するための専用 DB。 Pinecone / Qdrant / Weaviate が代表。
NotebookLMとはGoogleが提供するRAGベースのAIリサーチアシスタントのこと。ユーザーがアップロードした文書のみを情報源として回答を生成するため、ハルシネーションを大幅に抑制できる。
AI用語辞典をすべて見てみませんか
12カテゴリ・502語以上を体系的に整理しています
辞典トップへ