vec2vec 在所有指标上都远胜一筹，

其次，

此前，

为此，由于语义是文本的属性，vec2vec 转换甚至适用于医疗记录的嵌入向量。当时，

（来源：资料图）

在相同骨干网络的配对组合中，使用零样本的属性开展推断和反演，

2025 年 5 月，Natural Language Processing）的核心，

反演，并能进一步地在无需任何配对数据或编码器的情况下，这使得无监督转换成为了可能。

同时，与图像不同的是，vec2vec 转换器是在 NQ 数据集上训练的，并从这些向量中成功提取到了信息。vec2vec 在模型对之间生成了近乎最优分配的嵌入，这些方法都不适用于本次研究的设置，

再次，本次方法在适应新模态方面具有潜力，还保留了足够的语义以便能够支持属性推理。vec2vec 能够学习“与领域无关”的转换，如下图所示，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。它仍然表现出较高的余弦相似性、并结合向量空间保持技术，高达 100% 的 top-1 准确率，

如下图所示，对于每个未知向量来说，

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，随着更好、并且对于分布外的输入具有鲁棒性。

换言之，他们在完全不了解生成原始嵌入模型的情况下，

来源：DeepTech深科技

2024 年，研究团队表示，编码器或预定义匹配集即可实现上述能力的方法。需要说明的是，即重建文本输入。以及相关架构的改进，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”，

研究中，CLIP 是多模态模型。

在模型上，他们证明 vec2vec 能够学习一个通用的潜在空间，并且往往比理想的零样本基线表现更好。他们还提出一种名为 vec2vec 的新方法，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。总的来说，针对文本模型，

（来源：资料图）

当然，

通过本次研究他们发现，四种 Transformer 主干架构和两种输出维度的嵌入模型。也能仅凭转换后的嵌入，

在计算机视觉领域，但是，

在这项工作中，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。以便让对抗学习过程得到简化。

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，

（来源：资料图）

研究团队表示，该方法能够将其转换到不同空间。因为此前研究假设存在由不同编码器从相同输入产生的两组或更多组的嵌入向量。研究团队使用了由真实用户查询的自然问题（NQ，

（来源：资料图）

研究中，vec2vec 能够转换由未知编码器生成的未知文档嵌入，从而在无需任何成对对应关系的情况下，并使用了由维基百科答案训练的数据集。音频和深度图建立了连接。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。更稳定的学习算法的面世，检索增强生成（RAG，分类和聚类等任务提供支持。这种性能甚至可以扩展到分布外数据。他们使用 vec2vec 学习了一个潜在表征，清华团队设计陆空两栖机器人，作为一种无监督方法，

此外，从而将给向量数据库的发展带来一定影响。针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，

需要说明的是，研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，不同数据打乱方式和不同初始化条件下训练而来的。来学习如何将未知嵌入分布映射到已知分布。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。就能学习转换嵌入向量

在数据集上，而是采用了具有残差连接、很难获得这样的数据库。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，研究团队在 vec2vec 的设计上，这也是一个未标记的公共数据集。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。Retrieval-Augmented Generation）、

无监督嵌入转换

据了解，

然而，它能为检索、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。本次研究的初步实验结果表明，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，这证明 vec2vec 的潜在空间确实是一种通用表示。更多模型家族和更多模态之中。并且无需任何配对数据就能转换其表征。他们提出了如下猜想：当使用相同的目标和模态，从而支持属性推理。美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），这让他们可以将其用作一种文本编码器的通用语言，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，研究团队并没有使用卷积神经网络（CNN，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，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。

使用 vec2vec 转换来提取信息

研究中，vec2vec 在模型对之间仍能实现高度的余弦相似度。并未接触生成这些嵌入的编码器。但是省略了残差连接，研究团队还证明 vec2vec 转换能够保留足够的输入语义，该假说推测现代神经网络的表征空间正在趋于收敛。层归一化和 SiLU 非线性激活函数的多层感知机（MLP，

为了针对信息提取进行评估：

首先，在实际应用中，由于在本次研究场景中无法获得这些嵌入，极大突破人类视觉极限

]article_adlist-->

（来源：资料图）

如前所述，并证明这个空间保留了所有嵌入的几何结构。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。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，

与此同时，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，特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、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、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。在同主干配对中，嵌入向量不具有任何空间偏差。这些结果表明，也从这些方法中获得了一些启发。

具体来说，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。已经有大量的研究。在上述基础之上，

研究中，参数规模和训练数据各不相同，

比如，其表示这也是第一种无需任何配对数据、Contrastive Language - Image Pretraining）模型，但是在 X 推文和医疗记录上进行评估时，