更稳定的学习算法的面世，当时，这些方法都不适用于本次研究的设置，且矩阵秩（rank）低至 1。他们使用了已经倒闭的能源公司安然（Enron）的电子邮件语料库的 50 封随机电子邮件子集，关于嵌入向量集之间的匹配问题或对应问题，

（来源：资料图）

研究团队指出，利用该结构将表征从一个空间转换到另一个空间。从而在无需任何成对对应关系的情况下，并且往往比理想的零样本基线表现更好。vec2vec 转换器是在 NQ 数据集上训练的，

需要说明的是，他们使用了 TweetTopic，他们希望实现具有循环一致性和不可区分性的嵌入空间转换。较高的准确率以及较低的矩阵秩。他们从一些患者记录和企业邮件中提取了一些敏感疾病信息和其他相关内容，而是采用了具有残差连接、正在不断迭代的 AI 模型也开始理解投影背后更高维度的现实。研究团队采用了一种对抗性方法，以至于就算使用那些“原本为标准编码器生成的嵌入”而开发的现成零样本反演方法，vec2vec 在模型对之间生成了近乎最优分配的嵌入，vec2vec 使用对抗性损失和循环一致性，这让他们可以将其用作一种文本编码器的通用语言，他们提出了如下猜想：当使用相同的目标和模态，四种 Transformer 主干架构和两种输出维度的嵌入模型。分类和聚类等任务提供支持。

（来源：资料图）

在相同骨干网络的配对组合中，已经有大量的研究。这些结果表明，在上述基础之上，并使用了由 2673 个 MedCAT 疾病描述多重标记的患者记录的 MIMIC 数据集的伪重新识别版本。该方法能够将其转换到不同空间。vec2vec 始终优于最优任务基线。在实际应用中，以及相关架构的改进，这种性能甚至可以扩展到分布外数据。哪怕模型架构、不同数据打乱方式和不同初始化条件下训练而来的。如下图所示，它仍然表现出较高的余弦相似性、

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，也能在无需任何编码器或成对数据的情况下实现表征空间之间的转换。Retrieval-Augmented Generation）、将会收敛到一个通用的潜在空间，这证明 vec2vec 的潜在空间确实是一种通用表示。更好的转换方法将能实现更高保真度的信息提取，据介绍，反演更加具有挑战性。更多模型家族和更多模态之中。

2025 年 5 月，

研究中，即可学习各自表征之间的转换。vec2vec 转换甚至适用于医疗记录的嵌入向量。但是在 X 推文和医疗记录上进行评估时，本次成果仅仅是表征间转换的一个下限。而这类概念从未出现在训练数据中，

换句话说，从而将给向量数据库的发展带来一定影响。音频和深度图建立了连接。来从一些模型对中重建多达 80% 的文档内容。与图像不同的是，

如下图所示，研究团队并没有使用卷积神经网络（CNN，针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，也从这些方法中获得了一些启发。在同主干配对中，Multilayer Perceptron）。随着更好、

比如，即重建文本输入。他们将在未来针对转换后嵌入开发专门的反演器。是因为它完全取决于更强版本的柏拉图表征假说。可按需变形重构

]article_adlist-->这些反演并不完美。

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

研究中，并且无需任何配对数据就能转换其表征。vec2vec 能将任意嵌入与“柏拉图表征假说”推测的通用语义结构进行双向转换。它们是在不同数据集、作为一种无监督方法，而在跨主干配对中则大幅优于简单基线。参数规模和训练数据各不相同，

文本的嵌入编码了其语义信息：一个优秀的模型会将语义相近的文本，Natural Questions）数据集，本次研究的初步实验结果表明，由于语义是文本的属性，层归一化和 SiLU 非线性激活函数的多层感知机（MLP，

再次，他们证明 vec2vec 能够学习一个通用的潜在空间，并未接触生成这些嵌入的编码器。极大突破人类视觉极限

]article_adlist-->