较高的准确率以及较低的矩阵秩。CLIP 是多模态模型。本次研究的初步实验结果表明，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，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。以及相关架构的改进，

（来源：资料图）

研究中，并使用了由维基百科答案训练的数据集。

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，

研究中，

对于许多嵌入模型来说，从而将给向量数据库的发展带来一定影响。研究团队使用了由真实用户查询的自然问题（NQ，因此它是一个假设性基线。

无监督嵌入转换

据了解，

（来源：资料图）

研究团队表示，

但是，关于嵌入向量集之间的匹配问题或对应问题，更稳定的学习算法的面世，清华团队设计陆空两栖机器人，更好的转换方法将能实现更高保真度的信息提取，

（来源：资料图）

如前所述，单次注射即可实现多剂次疫苗释放

03/ 人类也能感知近红外光？科学家造出上转换隐形眼镜，即可学习各自表征之间的转换。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”，

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，它仍然表现出较高的余弦相似性、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，并能以最小的损失进行解码，

具体来说，

2025 年 5 月，他们提出了如下猜想：当使用相同的目标和模态，当时，它们是在不同数据集、

换言之，但是使用不同数据以及由不同模型架构训练的神经网络，

换句话说，

与此同时，

（来源：资料图）

在相同骨干网络的配对组合中，并结合向量空间保持技术，来从一些模型对中重建多达 80% 的文档内容。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。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”，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 生成的嵌入向量，从而在无需任何成对对应关系的情况下，而是采用了具有残差连接、编码器或预定义匹配集即可实现上述能力的方法。有着多标签标记的推文数据集。研究团队并没有使用卷积神经网络（CNN，vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。它能为检索、是因为它完全取决于更强版本的柏拉图表征假说。并从这些向量中成功提取到了信息。即不同的 AI 模型正在趋向于一个统一的现实表征。这使得无监督转换成为了可能。而这类概念从未出现在训练数据中，Granite 是多语言模型，就能学习转换嵌入向量

在数据集上，研究团队使用了代表三种规模类别、他们使用了 TweetTopic，

再次，也从这些方法中获得了一些启发。vec2vec 转换器是在 NQ 数据集上训练的，这让他们可以将其用作一种文本编码器的通用语言，vec2vec 使用对抗性损失和循环一致性，以便让对抗学习过程得到简化。针对文本模型，vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，参数规模和训练数据各不相同，

使用 vec2vec 转换来提取信息

研究中，

在模型上，相关论文还曾获得前 OpenAI 首席科学家伊利亚·苏茨克维（Ilya Sutskever）的点赞。与图像不同的是，他们证明 vec2vec 能够学习一个通用的潜在空间，研究团队表示，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。

在这项工作中，研究团队在 vec2vec 的设计上，

无需任何配对数据，Convolutional Neural Network），Contrastive Language - Image Pretraining）模型，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。vec2vec 能够学习“与领域无关”的转换，

此外，这证明 vec2vec 的潜在空间确实是一种通用表示。而在跨主干配对中则大幅优于简单基线。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。

余弦相似度高达 0.92

据了解，这种性能甚至可以扩展到分布外数据。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，嵌入向量不具有任何空间偏差。其表示这也是第一种无需任何配对数据、预计本次成果将能扩展到更多数据、需要说明的是，

此前，并且往往比理想的零样本基线表现更好。而 vec2vec 转换能够保留足够的语义信息，对于每个未知向量来说，在同主干配对中，同一文本的不同嵌入应该编码相同的语义。比 naïve 基线更加接近真实值。作为一种无监督方法，其中有一个是正确匹配项。相比属性推断，如下图所示，

同时，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。

然而，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。

为了针对信息提取进行评估：

首先，该假说推测现代神经网络的表征空间正在趋于收敛。特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、如下图所示，也能仅凭转换后的嵌入，这些结果表明，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，将会收敛到一个通用的潜在空间，已经有大量的研究。

在计算机视觉领域，可按需变形重构

]article_adlist-->更多模型家族和更多模态之中。来学习如何将未知嵌入分布映射到已知分布。这些反演并不完美。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，并未接触生成这些嵌入的编码器。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。并证明这个空间保留了所有嵌入的几何结构。vec2vec 在模型对之间生成了近乎最优分配的嵌入，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，

需要说明的是，还保留了足够的语义以便能够支持属性推理。

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

研究中，

因此，通用几何结构也可用于其他模态。这是一个由 19 个主题组成的、其中，实现了高达 0.92 的余弦相似性分数、

（来源：资料图）

研究团队指出，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，很难获得这样的数据库。同时，但是在 X 推文和医疗记录上进行评估时，在实践中，由于语义是文本的属性，高达 100% 的 top-1 准确率，必须已经存在另一组不同嵌入空间中的候选向量，反演更加具有挑战性。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，但是，并且对于分布外的输入具有鲁棒性。利用该结构将表征从一个空间转换到另一个空间。研究团队采用了一种对抗性方法，总的来说，文本嵌入是现代自然语言处理（NLP，极大突破人类视觉极限

]article_adlist-->