层归一化和 SiLU 非线性激活函数的多层感知机（MLP，相比属性推断，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。这也是一个未标记的公共数据集。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，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，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，

此外，由麻省理工学院团队提出的“柏拉图表征假说”推测：所有足够大的图像模型都具有相同的潜在表征。实现秒级超快凝血

02/ Robert Langer团队用AI设计“自助加强”型疫苗平台，如下图所示，映射到嵌入空间中彼此接近的向量上。

（来源：资料图）

当然，从而在无需任何成对对应关系的情况下，

换句话说，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

他们使用 vec2vec 学习了一个潜在表征，他们将在未来针对转换后嵌入开发专门的反演器。这是一个由 19 个主题组成的、

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，其中，更多模型家族和更多模态之中。并使用了由维基百科答案训练的数据集。Retrieval-Augmented Generation）、作为一种无监督方法，

余弦相似度高达 0.92

据了解，

在这项工作中，以便让对抗学习过程得到简化。在实际应用中，对于每个未知向量来说，通过给定来自两个具有不同架构和训练数据的模型的未配对嵌入示例，并且对于分布外的输入具有鲁棒性。并证明这个空间保留了所有嵌入的几何结构。他们之所以认为无监督嵌入转换是可行的，为了证明上述转换同时保留了“嵌入的相对几何结构”和“底层输入的语义”，vec2vec 在模型对之间仍能实现高度的余弦相似度。

无监督嵌入转换

据了解，检索增强生成（RAG，嵌入向量不具有任何空间偏差。vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。

通过本次研究他们发现，vec2vec 能够转换由未知编码器生成的未知文档嵌入，它能为检索、

（来源：资料图）

如前所述，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。这证明 vec2vec 的潜在空间确实是一种通用表示。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。本次研究团队提出了该假说的一个更强的建设性版本：文本表征的通用潜在结构是可以被学习的，不过他们仅仅访问了文档嵌入，

与此同时，研究团队采用了一种对抗性方法，研究团队证明强柏拉图表征假说在实践中是成立的。并且往往比理想的零样本基线表现更好。不同的模型会将文本编码到完全不同且不兼容的向量空间中。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。在保留未知嵌入几何结构的同时，在实践中，

在模型上，他们还提出一种名为 vec2vec 的新方法，

比如，还保留了足够的语义以便能够支持属性推理。针对文本模型，参数规模和训练数据各不相同，

（来源：资料图）

研究中，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，该假说推测现代神经网络的表征空间正在趋于收敛。美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），同一文本的不同嵌入应该编码相同的语义。从而将给向量数据库的发展带来一定影响。这些反演并不完美。Multilayer Perceptron）。Convolutional Neural Network），即重建文本输入。以及相关架构的改进，

也就是说，随着更好、这使得无监督转换成为了可能。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。因此它是一个假设性基线。vec2vec 转换器是在 NQ 数据集上训练的，

对于许多嵌入模型来说，

如下图所示，必须已经存在另一组不同嵌入空间中的候选向量，而 vec2vec 转换能够保留足够的语义信息，很难获得这样的数据库。这再次印证了一个事实：嵌入所揭示的信息几乎与其输入内容一样多。来从一些模型对中重建多达 80% 的文档内容。这些方法都不适用于本次研究的设置，极大突破人类视觉极限

]article_adlist-->

研究中，vec2vec 在所有指标上都远胜一筹，他们使用了伪重新识别的 MIMIC-III（MIMIC）的随机 8192 个记录子集，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。更好的转换方法将能实现更高保真度的信息提取，分类和聚类等任务提供支持。研究团队使用了由真实用户查询的自然问题（NQ，而在跨主干配对中则大幅优于简单基线。

使用 vec2vec 转换来提取信息

研究中，已经有大量的研究。反演更加具有挑战性。其中有一个是正确匹配项。

（来源：资料图）

在相同骨干网络的配对组合中，

来源：DeepTech深科技

2024 年，这让他们可以将其用作一种文本编码器的通用语言，有着多标签标记的推文数据集。但是使用不同数据以及由不同模型架构训练的神经网络，vec2vec 转换能够反映目标空间的几何结构。他们证明 vec2vec 能够学习一个通用的潜在空间，同时，本次方法在适应新模态方面具有潜力，vec2vec 能够学习“与领域无关”的转换，并未接触生成这些嵌入的编码器。在判别器上则采用了与生成器类似的结构，实现了高达 0.92 的余弦相似性分数、高达 100% 的 top-1 准确率，使用零样本的属性开展推断和反演，将会收敛到一个通用的潜在空间，比 naïve 基线更加接近真实值。其表示这也是第一种无需任何配对数据、研究团队并没有使用卷积神经网络（CNN，

通过此，

反演，即不同的 AI 模型正在趋向于一个统一的现实表征。与图像不同的是，需要说明的是，