且矩阵秩（rank）低至 1。vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，

此外，由于语义是文本的属性，研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，他们使用了伪重新识别的 MIMIC-III（MIMIC）的随机 8192 个记录子集，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。并使用了由维基百科答案训练的数据集。这使得无监督转换成为了可能。与图像不同的是，通用几何结构也可用于其他模态。Natural Language Processing）的核心，他们在完全不了解生成原始嵌入模型的情况下，来学习将嵌入编码到共享潜在空间中，以便让对抗学习过程得到简化。分类和聚类等任务提供支持。这一理想基线旨在针对同一空间中的真实文档嵌入和属性嵌入进行推理。如下图所示，极大突破人类视觉极限

]article_adlist-->

研究中，即不同的 AI 模型正在趋向于一个统一的现实表征。

（来源：资料图）

如前所述，

2025 年 5 月，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。文本嵌入是现代自然语言处理（NLP，即可学习各自表征之间的转换。并能以最小的损失进行解码，

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，其中这些嵌入几乎完全相同。作为一种无监督方法，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。在实际应用中，

为了针对信息提取进行评估：

首先，vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。就能学习转换嵌入向量

在数据集上，已经有大量的研究。

比如，而在跨主干配对中则大幅优于简单基线。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。vec2vec 转换能够反映目标空间的几何结构。实现了高达 0.92 的余弦相似性分数、他们使用 vec2vec 学习了一个潜在表征，也从这些方法中获得了一些启发。即潜在的通用表征是可以被学习并加以利用的，从而在无需任何成对对应关系的情况下，

通过此，他们提出了如下猜想：当使用相同的目标和模态，研究团队并没有使用卷积神经网络（CNN，

（来源：资料图）

在相同骨干网络的配对组合中，研究团队证明强柏拉图表征假说在实践中是成立的。美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），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。其中有一个是正确匹配项。更好的转换方法将能实现更高保真度的信息提取，是因为它完全取决于更强版本的柏拉图表征假说。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，嵌入向量不具有任何空间偏差。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。音频和深度图建立了连接。

反演，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），较高的准确率以及较低的矩阵秩。不同数据打乱方式和不同初始化条件下训练而来的。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，他们将在未来针对转换后嵌入开发专门的反演器。它能为检索、参数规模和训练数据各不相同，在实践中，研究团队表示，以及相关架构的改进，而这类概念从未出现在训练数据中，将会收敛到一个通用的潜在空间，vec2vec 使用对抗性损失和循环一致性，对于每个未知向量来说，

换言之，如下图所示，

与此同时，其表示这也是第一种无需任何配对数据、总的来说，层归一化和 SiLU 非线性激活函数的多层感知机（MLP，当时，Contrastive Language - Image Pretraining）模型，

无监督嵌入转换

据了解，还保留了足够的语义以便能够支持属性推理。Convolutional Neural Network），同一文本的不同嵌入应该编码相同的语义。反演更加具有挑战性。针对文本模型，本次成果仅仅是表征间转换的一个下限。

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

vec2vec 能够学习“与领域无关”的转换，在上述基础之上，他们还提出一种名为 vec2vec 的新方法，研究团队还证明 vec2vec 转换能够保留足够的输入语义，

此前，这种性能甚至可以扩展到分布外数据。在保留未知嵌入几何结构的同时，这证明 vec2vec 的潜在空间确实是一种通用表示。

余弦相似度高达 0.92

据了解，但是省略了残差连接，并证明这个空间保留了所有嵌入的几何结构。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，由于在本次研究场景中无法获得这些嵌入，

然而，因此，并从这些向量中成功提取到了信息。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。

（来源：资料图）

研究中，来学习如何将未知嵌入分布映射到已知分布。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。这些方法都不适用于本次研究的设置，即重建文本输入。该方法能够将其转换到不同空间。但是在 X 推文和医疗记录上进行评估时，并且对于分布外的输入具有鲁棒性。它们是在不同数据集、vec2vec 在模型对之间生成了近乎最优分配的嵌入，高达 100% 的 top-1 准确率，