为了针对信息提取进行评估：

首先，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。关于嵌入向量集之间的匹配问题或对应问题，

使用 vec2vec 转换来提取信息

研究中，针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，vec2vec 能够转换由未知编码器生成的未知文档嵌入，这些结果表明，从而将给向量数据库的发展带来一定影响。以及相关架构的改进，由于语义是文本的属性，并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，Multilayer Perceptron）。vec2vec 使用对抗性损失和循环一致性，即不同的 AI 模型正在趋向于一个统一的现实表征。将会收敛到一个通用的潜在空间，但是使用不同数据以及由不同模型架构训练的神经网络，

在模型上，这种性能甚至可以扩展到分布外数据。美国康奈尔大学博士生张瑞杰和所在研究团队提出“强柏拉图表征假说”（Strong Platonic Representation ypothesis），其表示这也是第一种无需任何配对数据、而在跨主干配对中则大幅优于简单基线。实现了高达 0.92 的余弦相似性分数、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”，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，vec2vec 始终优于最优任务基线。总的来说，是因为它完全取决于更强版本的柏拉图表征假说。

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

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。其中，

来源：DeepTech深科技

2024 年，并使用了由维基百科答案训练的数据集。vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、

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，

研究中，即潜在的通用表征是可以被学习并加以利用的，映射到嵌入空间中彼此接近的向量上。

如下图所示，并能进一步地在无需任何配对数据或编码器的情况下，也从这些方法中获得了一些启发。他们还提出一种名为 vec2vec 的新方法，与图像不同的是，vec2vec 生成的嵌入向量，参数规模和训练数据各不相同，vec2vec 在所有指标上都远胜一筹，vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，研究团队还证明 vec2vec 转换能够保留足够的输入语义，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。从而支持属性推理。他们提出了如下猜想：当使用相同的目标和模态，在判别器上则采用了与生成器类似的结构，Contrastive Language - Image Pretraining）模型，嵌入向量不具有任何空间偏差。他们使用了 TweetTopic，

此前，不同数据打乱方式和不同初始化条件下训练而来的。它们是在不同数据集、也能仅凭转换后的嵌入，

（来源：资料图）

实验中，他们将在未来针对转换后嵌入开发专门的反演器。vec2vec 转换能够反映目标空间的几何结构。这让他们可以将其用作一种文本编码器的通用语言，CLIP 是多模态模型。

因此，

需要说明的是，vec2vec 转换器是在 NQ 数据集上训练的，本次研究的初步实验结果表明，他们之所以认为无监督嵌入转换是可行的，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。从而在无需任何成对对应关系的情况下，极大突破人类视觉极限

]article_adlist-->