연구진은 d-Simplex 고정 분류기를 사용해 학습된 정적 표현이 모델 업데이트 시 호환성을 보장한다는 것을 입증했어요. 교차 엔트로피 손실과 대비 손실을 결합하여 학습하면 고차 의존성을 포착하고 호환성 제약 조건 하에서 교차 엔트로피 학습과 동일한 효과를 낼 수 있어요. 실험 결과, 정적 표현은 모델 업데이트 및 교체 시 중단 없는 검색 서비스를 제공하며 성능을 향상시켜 최고 수준의 결과를 달성했어요.