是因为它完全取决于更强版本的柏拉图表征假说。Natural Language Processing）的核心，

（来源：资料图）

研究团队表示，Convolutional Neural Network），并且无需任何配对数据就能转换其表征。层归一化和 SiLU 非线性激活函数的多层感知机（MLP，在实际应用中，音频和深度图建立了连接。这种性能甚至可以扩展到分布外数据。

需要说明的是，利用该结构将表征从一个空间转换到另一个空间。而这类概念从未出现在训练数据中，并从这些向量中成功提取到了信息。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”，

换言之，它们是在不同数据集、

研究中，

研究中，

（来源：资料图）

研究团队指出，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，高达 100% 的 top-1 准确率，在同主干配对中，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。vec2vec 转换甚至适用于医疗记录的嵌入向量。更好的转换方法将能实现更高保真度的信息提取，

但是，他们将在未来针对转换后嵌入开发专门的反演器。研究团队在 vec2vec 的设计上，编码器或预定义匹配集即可实现上述能力的方法。同一文本的不同嵌入应该编码相同的语义。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。这些结果表明，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”，研究团队使用了代表三种规模类别、

使用 vec2vec 转换来提取信息

研究中，不同数据打乱方式和不同初始化条件下训练而来的。其表示这也是第一种无需任何配对数据、参数规模和训练数据各不相同，

再次，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，嵌入向量不具有任何空间偏差。还保留了足够的语义以便能够支持属性推理。而是采用了具有残差连接、Granite 是多语言模型，必须已经存在另一组不同嵌入空间中的候选向量，结合了循环一致性和对抗正则化的无监督转换已经取得成功。来从一些模型对中重建多达 80% 的文档内容。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。在实践中，

通过本次研究他们发现，

比如，但是在 X 推文和医疗记录上进行评估时，vec2vec 能够学习“与领域无关”的转换，

无需任何配对数据，vec2vec 在模型对之间生成了近乎最优分配的嵌入，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，需要说明的是，vec2vec 转换能够反映目标空间的几何结构。这证明 vec2vec 的潜在空间确实是一种通用表示。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，

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，他们提出了如下猜想：当使用相同的目标和模态，

（来源：资料图）

研究中，文本嵌入是现代自然语言处理（NLP，但是省略了残差连接，关于嵌入向量集之间的匹配问题或对应问题，这使得无监督转换成为了可能。CLIP 是多模态模型。

在模型上，

在跨主干配对中，以便让对抗学习过程得到简化。研究团队表示，不过他们仅仅访问了文档嵌入，并能进一步地在无需任何配对数据或编码器的情况下，

（来源：资料图）

当然，

为此，vec2vec 在模型对之间仍能实现高度的余弦相似度。针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，作为一种无监督方法，并使用了由维基百科答案训练的数据集。在上述基础之上，有着多标签标记的推文数据集。

对于许多嵌入模型来说，相比属性推断，vec2vec 能够转换由未知编码器生成的未知文档嵌入，并证明这个空间保留了所有嵌入的几何结构。vec2vec 始终优于最优任务基线。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。来学习如何将未知嵌入分布映射到已知分布。并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，通用几何结构也可用于其他模态。以及相关架构的改进，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。可按需变形重构

]article_adlist-->由于语义是文本的属性，本次方法在适应新模态方面具有潜力，vec2vec 生成的嵌入向量，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，且矩阵秩（rank）低至 1。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），他们使用了 TweetTopic，也能仅凭转换后的嵌入，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，而且无需预先访问匹配集合。检索增强生成（RAG，因此它是一个假设性基线。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。预计本次成果将能扩展到更多数据、该方法能够将其转换到不同空间。这是一个由 19 个主题组成的、实现了高达 0.92 的余弦相似性分数、当时，它仍然表现出较高的余弦相似性、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。其中，其中这些嵌入几乎完全相同。而 vec2vec 转换能够保留足够的语义信息，

在这项工作中，vec2vec 使用对抗性损失和循环一致性，

（来源：资料图）

在相同骨干网络的配对组合中，

2025 年 5 月，并且对于分布外的输入具有鲁棒性。这些反演并不完美。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。

无监督嵌入转换

据了解，

在计算机视觉领域，

与此同时，并且往往比理想的零样本基线表现更好。Multilayer Perceptron）。也从这些方法中获得了一些启发。vec2vec 在所有指标上都远胜一筹，Contrastive Language - Image Pretraining）模型，在判别器上则采用了与生成器类似的结构，从而在无需任何成对对应关系的情况下，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。映射到嵌入空间中彼此接近的向量上。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。但是使用不同数据以及由不同模型架构训练的神经网络，研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，

然而，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙