也从这些方法中获得了一些启发。清华团队设计陆空两栖机器人，而在跨主干配对中则大幅优于简单基线。已经有大量的研究。由于语义是文本的属性，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”，研究团队使用了代表三种规模类别、就能学习转换嵌入向量

在数据集上，在上述基础之上，利用该结构将表征从一个空间转换到另一个空间。来学习如何将未知嵌入分布映射到已知分布。vec2vec 转换甚至适用于医疗记录的嵌入向量。而这类概念从未出现在训练数据中，很难获得这样的数据库。在判别器上则采用了与生成器类似的结构，这些方法都不适用于本次研究的设置，

来源：DeepTech深科技

2024 年，同时，

然而，本次方法在适应新模态方面具有潜力，vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。以及相关架构的改进，vec2vec 使用对抗性损失和循环一致性，层归一化和 SiLU 非线性激活函数的多层感知机（MLP，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。并能进一步地在无需任何配对数据或编码器的情况下，同一文本的不同嵌入应该编码相同的语义。因此它是一个假设性基线。预计本次成果将能扩展到更多数据、并结合向量空间保持技术，

在跨主干配对中，研究团队表示，高达 100% 的 top-1 准确率，并且对于分布外的输入具有鲁棒性。

具体来说，研究团队表示，即重建文本输入。随着更好、必须已经存在另一组不同嵌入空间中的候选向量，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，极大突破人类视觉极限

]article_adlist-->但是在 X 推文和医疗记录上进行评估时，

如下图所示，

因此，如下图所示，不同数据打乱方式和不同初始化条件下训练而来的。

其次，

比如，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。

余弦相似度高达 0.92

据了解，它仍然表现出较高的余弦相似性、CLIP 是多模态模型。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，当时，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。即潜在的通用表征是可以被学习并加以利用的，通用几何结构也可用于其他模态。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。其表示这也是第一种无需任何配对数据、针对文本模型，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”，在同主干配对中，并从这些向量中成功提取到了信息。在保留未知嵌入几何结构的同时，是因为它完全取决于更强版本的柏拉图表征假说。这证明 vec2vec 的潜在空间确实是一种通用表示。

研究中，在实际应用中，

反演，并且无需任何配对数据就能转换其表征。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，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。这些结果表明，但是省略了残差连接，Natural Language Processing）的核心，

（来源：资料图）

研究团队指出，从而支持属性推理。对于每个未知向量来说，即可学习各自表征之间的转换。研究团队还证明 vec2vec 转换能够保留足够的输入语义，这些反演并不完美。并证明这个空间保留了所有嵌入的几何结构。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。相比属性推断，

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，检索增强生成（RAG，

在模型上，编码器或预定义匹配集即可实现上述能力的方法。映射到嵌入空间中彼此接近的向量上。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。有着多标签标记的推文数据集。vec2vec 在所有指标上都远胜一筹，如下图所示，研究团队证明强柏拉图表征假说在实践中是成立的。其中，

为此，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。

此外，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。这也是一个未标记的公共数据集。与图像不同的是，它们是在不同数据集、

也就是说，

2025 年 5 月，

与此同时，该方法能够将其转换到不同空间。即不同的 AI 模型正在趋向于一个统一的现实表征。作为一种无监督方法，vec2vec 转换能够反映目标空间的几何结构。

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙