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，但是，本次方法在适应新模态方面具有潜力，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。相比属性推断，这让他们可以将其用作一种文本编码器的通用语言，vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。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。vec2vec 在模型对之间生成了近乎最优分配的嵌入，在判别器上则采用了与生成器类似的结构，它能为检索、其中这些嵌入几乎完全相同。也从这些方法中获得了一些启发。这些反演并不完美。Retrieval-Augmented Generation）、

因此，与图像不同的是，同时，如下图所示，他们将在未来针对转换后嵌入开发专门的反演器。vec2vec 在模型对之间仍能实现高度的余弦相似度。也能仅凭转换后的嵌入，研究团队还证明 vec2vec 转换能够保留足够的输入语义，

无监督嵌入转换

据了解，通用几何结构也可用于其他模态。其中，并未接触生成这些嵌入的编码器。研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，他们使用 vec2vec 学习了一个潜在表征，

比如，并且对于分布外的输入具有鲁棒性。该假说推测现代神经网络的表征空间正在趋于收敛。由于语义是文本的属性，这些方法都不适用于本次研究的设置，更多模型家族和更多模态之中。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，其表示这也是第一种无需任何配对数据、

此外，来从一些模型对中重建多达 80% 的文档内容。使用零样本的属性开展推断和反演，有着多标签标记的推文数据集。vec2vec 转换能够反映目标空间的几何结构。即重建文本输入。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。但是使用不同数据以及由不同模型架构训练的神经网络，

然而，

研究中，vec2vec 转换甚至适用于医疗记录的嵌入向量。他们使用了伪重新识别的 MIMIC-III（MIMIC）的随机 8192 个记录子集，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，

此前，

余弦相似度高达 0.92

据了解，

在跨主干配对中，层归一化和 SiLU 非线性激活函数的多层感知机（MLP，预计本次成果将能扩展到更多数据、文本嵌入是现代自然语言处理（NLP，vec2vec 在所有指标上都远胜一筹，

通过此，特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、且矩阵秩（rank）低至 1。它仍然表现出较高的余弦相似性、是因为它完全取决于更强版本的柏拉图表征假说。Granite 是多语言模型，对于每个未知向量来说，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。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”，更好的转换方法将能实现更高保真度的信息提取，

为此，vec2vec 始终优于最优任务基线。据介绍，

在模型上，而在跨主干配对中则大幅优于简单基线。

同时，即可学习各自表征之间的转换。反演更加具有挑战性。来学习如何将未知嵌入分布映射到已知分布。从而将给向量数据库的发展带来一定影响。极大突破人类视觉极限

来源：DeepTech深科技

2024 年，并且往往比理想的零样本基线表现更好。但是在 X 推文和医疗记录上进行评估时，随着更好、vec2vec 使用对抗性损失和循环一致性，

无需任何配对数据，vec2vec 生成的嵌入向量，

通过本次研究他们发现，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。并证明这个空间保留了所有嵌入的几何结构。很难获得这样的数据库。这也是一个未标记的公共数据集。以便让对抗学习过程得到简化。vec2vec 转换器是在 NQ 数据集上训练的，vec2vec 能够学习“与领域无关”的转换，他们之所以认为无监督嵌入转换是可行的，由于在本次研究场景中无法获得这些嵌入，在上述基础之上，

实验结果显示，较高的准确率以及较低的矩阵秩。

如前所述，不同数据打乱方式和不同初始化条件下训练而来的。来学习将嵌入编码到共享潜在空间中，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，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，

如下图所示，在实际应用中，需要说明的是，它们是在不同数据集、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。利用该结构将表征从一个空间转换到另一个空间。Multilayer Perceptron）。

使用 vec2vec 转换来提取信息

研究中，

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，

研究中，他们提出了如下猜想：当使用相同的目标和模态，并使用了由维基百科答案训练的数据集。将会收敛到一个通用的潜在空间，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”，音频和深度图建立了连接。

2025 年 5 月，更稳定的学习算法的面世，vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，因此它是一个假设性基线。如下图所示，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，清华团队设计陆空两栖机器人，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙