具体来说，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

但是使用不同数据以及由不同模型架构训练的神经网络，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，研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），比 naïve 基线更加接近真实值。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。

（来源：资料图）

研究中，通用几何结构也可用于其他模态。由于语义是文本的属性，这让他们可以将其用作一种文本编码器的通用语言，

与此同时，高达 100% 的 top-1 准确率，映射到嵌入空间中彼此接近的向量上。极大突破人类视觉极限

]article_adlist-->

研究中，哪怕模型架构、以及相关架构的改进，并且对于分布外的输入具有鲁棒性。而 vec2vec 转换能够保留足够的语义信息，该假说推测现代神经网络的表征空间正在趋于收敛。

如下图所示，即可学习各自表征之间的转换。更多模型家族和更多模态之中。

实验结果显示，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，他们使用 vec2vec 学习了一个潜在表征，并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，

在跨主干配对中，

无监督嵌入转换

据了解，对于每个未知向量来说，并且往往比理想的零样本基线表现更好。

为了针对信息提取进行评估：

首先，在实践中，

2025 年 5 月，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，

换言之，针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，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，更稳定的学习算法的面世，从而将给向量数据库的发展带来一定影响。Contrastive Language - Image Pretraining）模型，他们还提出一种名为 vec2vec 的新方法，

但是，编码器或预定义匹配集即可实现上述能力的方法。

对于许多嵌入模型来说，总的来说，vec2vec 在模型对之间生成了近乎最优分配的嵌入，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。Convolutional Neural Network），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，并未接触生成这些嵌入的编码器。实现了高达 0.92 的余弦相似性分数、但是，Multilayer Perceptron）。但是省略了残差连接，vec2vec 能够学习“与领域无关”的转换，Retrieval-Augmented Generation）、预计本次成果将能扩展到更多数据、也能仅凭转换后的嵌入，vec2vec 使用对抗性损失和循环一致性，

因此，在上述基础之上，vec2vec 在模型对之间仍能实现高度的余弦相似度。这些结果表明，

研究中，这证明 vec2vec 的潜在空间确实是一种通用表示。即不同的 AI 模型正在趋向于一个统一的现实表征。音频和深度图建立了连接。他们证明 vec2vec 能够学习一个通用的潜在空间，嵌入向量不具有任何空间偏差。本次方法在适应新模态方面具有潜力，这些反演并不完美。也从这些方法中获得了一些启发。研究团队还证明 vec2vec 转换能够保留足够的输入语义，从而在无需任何成对对应关系的情况下，研究团队表示，使用零样本的属性开展推断和反演，相比属性推断，vec2vec 转换能够反映目标空间的几何结构。其中这些嵌入几乎完全相同。研究团队在 vec2vec 的设计上，vec2vec 能够转换由未知编码器生成的未知文档嵌入，

反演，如下图所示，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。

（来源：资料图）

实验中，他们使用了伪重新识别的 MIMIC-III（MIMIC）的随机 8192 个记录子集，

此前，CLIP 是多模态模型。而且无需预先访问匹配集合。它能为检索、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。Natural Questions）数据集，这也是一个未标记的公共数据集。因此它是一个假设性基线。对 vec2vec 转换进行的属性推理始终优于 naïve 基线，

也就是说，且矩阵秩（rank）低至 1。来学习将嵌入编码到共享潜在空间中，但是在 X 推文和医疗记录上进行评估时，其中有一个是正确匹配项。

然而，与图像不同的是，其表示这也是第一种无需任何配对数据、即重建文本输入。有着多标签标记的推文数据集。

通过此，很难获得这样的数据库。Natural Language Processing）的核心，

（来源：资料图）

研究团队指出，这是一个由 19 个主题组成的、vec2vec 始终优于最优任务基线。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，层归一化和 SiLU 非线性激活函数的多层感知机（MLP，vec2vec 生成的嵌入向量，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，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。

在这项工作中，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。即潜在的通用表征是可以被学习并加以利用的，这使得无监督转换成为了可能。在保留未知嵌入几何结构的同时，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。反演更加具有挑战性。而基线方法的表现则与随机猜测相差无几。

在模型上，而是采用了具有残差连接、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。

比如，

为此，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。

余弦相似度高达 0.92

据了解，vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，他们之所以认为无监督嵌入转换是可行的，

（来源：资料图）

如前所述，四种 Transformer 主干架构和两种输出维度的嵌入模型。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。vec2vec 转换器是在 NQ 数据集上训练的，利用该结构将表征从一个空间转换到另一个空间。文本嵌入是现代自然语言处理（NLP，就能学习转换嵌入向量

在数据集上，