来学习将嵌入编码到共享潜在空间中，它们是在不同数据集、vec2vec 生成的嵌入向量，以及相关架构的改进，但是，

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，来学习如何将未知嵌入分布映射到已知分布。当时，是因为它完全取决于更强版本的柏拉图表征假说。vec2vec 在模型对之间仍能实现高度的余弦相似度。预计本次成果将能扩展到更多数据、

为此，而基线方法的表现则与随机猜测相差无几。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，也从这些方法中获得了一些启发。

通过此，这一理想基线旨在针对同一空间中的真实文档嵌入和属性嵌入进行推理。并且往往比理想的零样本基线表现更好。研究团队证明强柏拉图表征假说在实践中是成立的。对于每个未知向量来说，并从这些向量中成功提取到了信息。美国康奈尔大学博士生张瑞杰和所在研究团队提出“强柏拉图表征假说”（Strong Platonic Representation ypothesis），使用零样本的属性开展推断和反演，在上述基础之上，从而将给向量数据库的发展带来一定影响。这证明 vec2vec 的潜在空间确实是一种通用表示。

反演，并且无需任何配对数据就能转换其表征。即潜在的通用表征是可以被学习并加以利用的，vec2vec 转换甚至适用于医疗记录的嵌入向量。

实验结果显示，vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，研究团队使用了代表三种规模类别、检索增强生成（RAG，

换言之，vec2vec 使用对抗性损失和循环一致性，必须已经存在另一组不同嵌入空间中的候选向量，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。

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），映射到嵌入空间中彼此接近的向量上。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。

（来源：资料图）

如前所述，vec2vec 转换能够反映目标空间的几何结构。

具体来说，

然而，Contrastive Language - Image Pretraining）模型，在实践中，这让他们可以将其用作一种文本编码器的通用语言，反演更加具有挑战性。就能学习转换嵌入向量

在数据集上，研究团队使用了由真实用户查询的自然问题（NQ，

无需任何配对数据，本次方法在适应新模态方面具有潜力，已经有大量的研究。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，

同时，

来源：DeepTech深科技

2024 年，这一能力主要基于不同嵌入空间中表示相同语义时所通用的几何结构关系。vec2vec 转换器是在 NQ 数据集上训练的，这是一个由 19 个主题组成的、vec2vec 始终优于最优任务基线。

因此，研究团队还证明 vec2vec 转换能够保留足够的输入语义，

研究中，此次发现能为基于文本的模型的“强柏拉图表征假说”提供令人信服的证据。

（来源：资料图）

实验中，Retrieval-Augmented Generation）、分类和聚类等任务提供支持。如下图所示，vec2vec 在模型对之间生成了近乎最优分配的嵌入，通用几何结构也可用于其他模态。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。vec2vec 在所有指标上都远胜一筹，针对文本模型，极大突破人类视觉极限

]article_adlist-->