少到一两个比特，什么信息仍被保留？

相反的设计，为什么都能奏效？

有的二值量化系统先随机旋转向量，有的保留原始坐标轴；同样是一两个比特，不同表示上的检索表现也相差很大。论文从对比学习表示的统计结构出发，分析这些现象背后的共同机制。

区分坐标之间的关系与坐标自身的差异

在高斯模型下，完整协方差结构影响排序保真度，仅看各坐标的方差会遗漏坐标间相关性积累的信号。坐标方差的不均匀性则影响设计选择：幅度比特能补充多少信息，随机旋转会帮助还是削弱现有编码。

旋转让方差更均匀，可以适配依赖各向同性的距离校正，也可能消除另一类编码利用的坐标差异。论文据此推导近似排序保真度表达式，并提出跨模型、跨维度的经验缩放关系。

把表示结构变成系统设计的依据

覆盖 9 个嵌入家族、18 个数据集的实验检验了协方差、幅度比特与旋转的作用。研究为编码方式与预处理的选择提供统计依据，其解析预测依赖文中明确的高斯模型和近似条件。