一般には、分類問題向けに学習させたディープラーニングモデルから得られる特徴量の次元はあとから変更することはできず、学習のときに固定されてしまいます． もしも、学習後に精度をあまり落とさずに次元を小さくできるのであれば、計算リソースやサービスの要求に応じた次元を選択できるため非常に便利です． それを実現するための方法としてMatryoshka Representation Learning（マトリョーシカ表現学習）があります．
なお、マトリョーシカ表現学習はAzureのAI Searchのベクトル検索で利用可能になっています．