文本检索和排序是信息检索领域的核心问题。为了兼顾大规模语料库上的检索性能和效率,信息检索模系统通常包括检索(召回)和排序(精排)两个步骤。随着深度学习技术的快速发展,研究者开始构建基于深度神经网络的排序模型和稠密向量检索模型,并在两个阶段均取得了明显的性能提升。然而,在第一阶段检索过程中,我们不仅要考虑模型的召回性能,还需要关注检索模型的效率。此次报告将介绍我们通过联合优化神经网络和稠密向量索引来进一步优化稠密向量检索模型的存储和时间开销的相关研究工作。