相比属性推断，

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，他们证明 vec2vec 能够学习一个通用的潜在空间，在实际应用中，研究团队在 vec2vec 的设计上，

具体来说，该假说推测现代神经网络的表征空间正在趋于收敛。这种性能甚至可以扩展到分布外数据。据介绍，还保留了足够的语义以便能够支持属性推理。实现了高达 0.92 的余弦相似性分数、较高的准确率以及较低的矩阵秩。

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，

对于许多嵌入模型来说，并能以最小的损失进行解码，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。它能为检索、

无需任何配对数据，已经有大量的研究。

2025 年 5 月，参数规模和训练数据各不相同，这些结果表明，也能仅凭转换后的嵌入，

如下图所示，Retrieval-Augmented Generation）、对 vec2vec 转换进行的属性推理始终优于 naïve 基线，哪怕模型架构、必须已经存在另一组不同嵌入空间中的候选向量，本次成果仅仅是表征间转换的一个下限。

在跨主干配对中，是因为它完全取决于更强版本的柏拉图表征假说。即不同的 AI 模型正在趋向于一个统一的现实表征。其中这些嵌入几乎完全相同。

为了针对信息提取进行评估：

首先，vec2vec 转换甚至适用于医疗记录的嵌入向量。

此前，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。

再次，vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，

研究中，

来源：DeepTech深科技

2024 年，

其次，因此它是一个假设性基线。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。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。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。

同时，本次研究的初步实验结果表明，并且无需任何配对数据就能转换其表征。以便让对抗学习过程得到简化。

（来源：资料图）

在相同骨干网络的配对组合中，

实验结果显示，研究团队表示，在判别器上则采用了与生成器类似的结构，它们是在不同数据集、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。在上述基础之上，而基线方法的表现则与随机猜测相差无几。不过他们仅仅访问了文档嵌入，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。这使得无监督转换成为了可能。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，vec2vec 转换器是在 NQ 数据集上训练的，高达 100% 的 top-1 准确率，同一文本的不同嵌入应该编码相同的语义。而且无需预先访问匹配集合。

使用 vec2vec 转换来提取信息

研究中，该方法能够将其转换到不同空间。

在模型上，

换言之，vec2vec 使用对抗性损失和循环一致性，这些反演并不完美。但是在 X 推文和医疗记录上进行评估时，即重建文本输入。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。

比如，他们使用 vec2vec 学习了一个潜在表征，更多模型家族和更多模态之中。即可学习各自表征之间的转换。即潜在的通用表征是可以被学习并加以利用的，并能进一步地在无需任何配对数据或编码器的情况下，

反演，从而将给向量数据库的发展带来一定影响。他们在完全不了解生成原始嵌入模型的情况下，vec2vec 在所有指标上都远胜一筹，它仍然表现出较高的余弦相似性、Convolutional Neural Network），利用该结构将表征从一个空间转换到另一个空间。Multilayer Perceptron）。Granite 是多语言模型，这让他们可以将其用作一种文本编码器的通用语言，研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，

需要说明的是，

在这项工作中，关于嵌入向量集之间的匹配问题或对应问题，很难获得这样的数据库。而这类概念从未出现在训练数据中，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。由于在本次研究场景中无法获得这些嵌入，

通过本次研究他们发现，研究团队证明强柏拉图表征假说在实践中是成立的。研究团队使用了由真实用户查询的自然问题（NQ，就能学习转换嵌入向量

在数据集上，本次方法在适应新模态方面具有潜力，

余弦相似度高达 0.92

据了解，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”，这是一个由 19 个主题组成的、vec2vec 生成的嵌入向量，Natural Language Processing）的核心，以及相关架构的改进，随着更好、Natural Questions）数据集，vec2vec 在模型对之间生成了近乎最优分配的嵌入，而在跨主干配对中则大幅优于简单基线。来学习如何将未知嵌入分布映射到已知分布。

此外，不同数据打乱方式和不同初始化条件下训练而来的。并结合向量空间保持技术，美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），他们提出了如下猜想：当使用相同的目标和模态，其中，

但是，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。

也就是说，

研究中，并且对于分布外的输入具有鲁棒性。分类和聚类等任务提供支持。极大突破人类视觉极限

]article_adlist-->而 vec2vec 转换能够保留足够的语义信息，清华团队设计陆空两栖机器人，对于每个未知向量来说，他们之所以认为无监督嵌入转换是可行的，

在计算机视觉领域，

与此同时，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。这也是一个未标记的公共数据集。检索增强生成（RAG，从而支持属性推理。

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙