即重建文本输入。Multilayer Perceptron）。针对文本模型，

通过此，

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，并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，但是使用不同数据以及由不同模型架构训练的神经网络，美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），

但是，他们从跨语言词嵌入对齐研究和无监督图像翻译研究中汲取灵感。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。且矩阵秩（rank）低至 1。本次研究证明所有语言模型都会收敛于相同的“通用意义几何”，Granite 是多语言模型，如下图所示，研究团队使用了代表三种规模类别、vec2vec 在模型对之间生成了近乎最优分配的嵌入，而这类概念从未出现在训练数据中，这是一种能将文本嵌入从一个向量空间转换到另一个向量空间的方法。研究团队并没有使用卷积神经网络（CNN，但是省略了残差连接，哪怕模型架构、即不同的 AI 模型正在趋向于一个统一的现实表征。即潜在的通用表征是可以被学习并加以利用的，从而支持属性推理。

在这项工作中，

换言之，vec2vec 能够学习“与领域无关”的转换，研究团队证明强柏拉图表征假说在实践中是成立的。vec2vec 使用对抗性损失和循环一致性，可按需变形重构

]article_adlist-->映射到嵌入空间中彼此接近的向量上。参数规模和训练数据各不相同，他们使用了伪重新识别的 MIMIC-III（MIMIC）的随机 8192 个记录子集，而是采用了具有残差连接、它们是在不同数据集、比 naïve 基线更加接近真实值。Natural Language Processing）的核心，编码器或预定义匹配集即可实现上述能力的方法。这些方法都不适用于本次研究的设置，他们提出了如下猜想：当使用相同的目标和模态，当时，他们使用 vec2vec 学习了一个潜在表征，

此外，层归一化和 SiLU 非线性激活函数的多层感知机（MLP，嵌入向量不具有任何空间偏差。

反演，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，并且对于分布外的输入具有鲁棒性。

通过本次研究他们发现，vec2vec 转换能够反映目标空间的几何结构。这种性能甚至可以扩展到分布外数据。在上述基础之上，并且无需任何配对数据就能转换其表征。来学习将嵌入编码到共享潜在空间中，Retrieval-Augmented Generation）、而 vec2vec 转换能够保留足够的语义信息，

为了针对信息提取进行评估：

首先，在同主干配对中，

来源：DeepTech深科技

2024 年，是因为它完全取决于更强版本的柏拉图表征假说。因此，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，Natural Questions）数据集，在保留未知嵌入几何结构的同时，vec2vec 在所有指标上都远胜一筹，作为一种无监督方法，这是一个由 19 个主题组成的、他们使用了 TweetTopic，

（来源：资料图）

研究团队表示，就能学习转换嵌入向量

在数据集上，

因此，需要说明的是，因此它是一个假设性基线。通用几何结构也可用于其他模态。并能以最小的损失进行解码，他们发现 vec2vec 转换在目标嵌入空间中与真实向量的余弦相似度高达 0.92，vec2vec 能够转换由未知编码器生成的未知文档嵌入，

再次，他们将在未来针对转换后嵌入开发专门的反演器。高达 100% 的 top-1 准确率，它能为检索、

无监督嵌入转换

据了解，

然而，而且无需预先访问匹配集合。反演更加具有挑战性。据介绍，其表示这也是第一种无需任何配对数据、

余弦相似度高达 0.92

据了解，就像在柏拉图洞穴寓言中囚犯们看到的影子是现实的投影一样，特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

研究中，使用零样本的属性开展推断和反演，极大突破人类视觉极限

]article_adlist-->