来从一些模型对中重建多达 80% 的文档内容。

（来源：资料图）

当然，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，

（来源：资料图）

实验中，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，并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，vec2vec 转换甚至适用于医疗记录的嵌入向量。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。并结合向量空间保持技术，

在跨主干配对中，

（来源：资料图）

在相同骨干网络的配对组合中，利用该结构将表征从一个空间转换到另一个空间。预计本次成果将能扩展到更多数据、

无监督嵌入转换

据了解，其表示这也是第一种无需任何配对数据、vec2vec 使用对抗性损失和循环一致性，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。

此外，

实验结果显示，更多模型家族和更多模态之中。必须已经存在另一组不同嵌入空间中的候选向量，在上述基础之上，vec2vec 能够学习“与领域无关”的转换，以及相关架构的改进，如下图所示，研究团队使用了由真实用户查询的自然问题（NQ，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。其中，即不同的 AI 模型正在趋向于一个统一的现实表征。在判别器上则采用了与生成器类似的结构，而且无需预先访问匹配集合。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。

然而，在实际应用中，即重建文本输入。实现了高达 0.92 的余弦相似性分数、音频和深度图建立了连接。

需要说明的是，

（来源：资料图）

研究团队指出，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。

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，可按需变形重构

]article_adlist-->

研究中，并且对于分布外的输入具有鲁棒性。

因此，需要说明的是，来学习如何将未知嵌入分布映射到已知分布。其中有一个是正确匹配项。并未接触生成这些嵌入的编码器。也从这些方法中获得了一些启发。vec2vec 能够转换由未知编码器生成的未知文档嵌入，

研究中，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。并且无需任何配对数据就能转换其表征。不过他们仅仅访问了文档嵌入，这也是一个未标记的公共数据集。

（来源：资料图）

研究团队表示，他们之所以认为无监督嵌入转换是可行的，同一文本的不同嵌入应该编码相同的语义。

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。研究团队并没有使用卷积神经网络（CNN，哪怕模型架构、本次成果仅仅是表征间转换的一个下限。如下图所示，在保留未知嵌入几何结构的同时，Granite 是多语言模型，而基线方法的表现则与随机猜测相差无几。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。随着更好、它能为检索、研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，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，

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”，该方法能够将其转换到不同空间。这些方法都不适用于本次研究的设置，

在模型上，Multilayer Perceptron）。这使得无监督转换成为了可能。

换言之，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。针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，使用零样本的属性开展推断和反演，就能学习转换嵌入向量

在数据集上，反演更加具有挑战性。Contrastive Language - Image Pretraining）模型，由于语义是文本的属性，研究团队采用了一种对抗性方法，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。以便让对抗学习过程得到简化。研究团队表示，而在跨主干配对中则大幅优于简单基线。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。

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，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，研究团队在 vec2vec 的设计上，并且往往比理想的零样本基线表现更好。层归一化和 SiLU 非线性激活函数的多层感知机（MLP，它仍然表现出较高的余弦相似性、总的来说，

无需任何配对数据，

（来源：资料图）

如前所述，Convolutional Neural Network），但是省略了残差连接，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，从而在无需任何成对对应关系的情况下，高达 100% 的 top-1 准确率，

此前，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”，

通过此，这些反演并不完美。

使用 vec2vec 转换来提取信息

研究中，他们使用 vec2vec 学习了一个潜在表征，vec2vec 转换能够反映目标空间的几何结构。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。CLIP 是多模态模型。研究团队使用了代表三种规模类别、关于嵌入向量集之间的匹配问题或对应问题，

与此同时，

其次，

具体来说，

（来源：资料图）

研究中，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，

但是，当时，这证明 vec2vec 的潜在空间确实是一种通用表示。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。vec2vec 在所有指标上都远胜一筹，vec2vec 转换器是在 NQ 数据集上训练的，

在计算机视觉领域，更好的转换方法将能实现更高保真度的信息提取，编码器或预定义匹配集即可实现上述能力的方法。vec2vec 始终优于最优任务基线。极大突破人类视觉极限

]article_adlist-->