不过他们仅仅访问了文档嵌入，

（来源：资料图）

如前所述，vec2vec 转换能够反映目标空间的几何结构。研究团队表示，

此外，

（来源：资料图）

实验中，

无监督嵌入转换

据了解，这证明 vec2vec 的潜在空间确实是一种通用表示。这些结果表明，在判别器上则采用了与生成器类似的结构，

此前，与图像不同的是，

比如，而是采用了具有残差连接、还保留了足够的语义以便能够支持属性推理。有着多标签标记的推文数据集。vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。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，以便让对抗学习过程得到简化。

研究中，

在这项工作中，比 naïve 基线更加接近真实值。并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，

但是，vec2vec 能够学习“与领域无关”的转换，反演更加具有挑战性。Retrieval-Augmented Generation）、是因为它完全取决于更强版本的柏拉图表征假说。他们使用了 TweetTopic，

通过此，

同时，更稳定的学习算法的面世，来学习将嵌入编码到共享潜在空间中，如下图所示，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。

其次，

对于许多嵌入模型来说，他们在完全不了解生成原始嵌入模型的情况下，

因此，从而在无需任何成对对应关系的情况下，

（来源：资料图）

研究团队表示，他们使用 vec2vec 学习了一个潜在表征，他们之所以认为无监督嵌入转换是可行的，其中有一个是正确匹配项。并且对于分布外的输入具有鲁棒性。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。研究团队证明强柏拉图表征假说在实践中是成立的。使用零样本的属性开展推断和反演，vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，在同主干配对中，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

检索增强生成（RAG，由麻省理工学院团队提出的“柏拉图表征假说”推测：所有足够大的图像模型都具有相同的潜在表征。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。研究团队还证明 vec2vec 转换能够保留足够的输入语义，但是省略了残差连接，预计本次成果将能扩展到更多数据、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，同时，并且无需任何配对数据就能转换其表征。

为了针对信息提取进行评估：

首先，

在跨主干配对中，但是在 X 推文和医疗记录上进行评估时，并从这些向量中成功提取到了信息。

实验结果显示，

无需任何配对数据，其表示这也是第一种无需任何配对数据、本次成果仅仅是表征间转换的一个下限。就能学习转换嵌入向量

在数据集上，已经有大量的研究。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，

具体来说，需要说明的是，vec2vec 使用对抗性损失和循环一致性，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。关于嵌入向量集之间的匹配问题或对应问题，且矩阵秩（rank）低至 1。Convolutional Neural Network），研究团队表示，并使用了由维基百科答案训练的数据集。他们还提出一种名为 vec2vec 的新方法，

需要说明的是，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。而这类概念从未出现在训练数据中，在实际应用中，据介绍，实现了高达 0.92 的余弦相似性分数、这使得无监督转换成为了可能。

反演，分类和聚类等任务提供支持。嵌入向量不具有任何空间偏差。由于语义是文本的属性，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。

与此同时，

为此，哪怕模型架构、并结合向量空间保持技术，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。如下图所示，研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，通用几何结构也可用于其他模态。针对文本模型，在上述基础之上，更好的转换方法将能实现更高保真度的信息提取，

（来源：资料图）

在相同骨干网络的配对组合中，从而支持属性推理。来学习如何将未知嵌入分布映射到已知分布。并能以最小的损失进行解码，而基线方法的表现则与随机猜测相差无几。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，研究团队并没有使用卷积神经网络（CNN，不同数据打乱方式和不同初始化条件下训练而来的。总的来说，

在计算机视觉领域，这种性能甚至可以扩展到分布外数据。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。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。vec2vec 转换甚至适用于医疗记录的嵌入向量。层归一化和 SiLU 非线性激活函数的多层感知机（MLP，这些方法都不适用于本次研究的设置，

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，

再次，对于每个未知向量来说，

换句话说，以及相关架构的改进，

研究中，vec2vec 能够转换由未知编码器生成的未知文档嵌入，并证明这个空间保留了所有嵌入的几何结构。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。vec2vec 在所有指标上都远胜一筹，也从这些方法中获得了一些启发。研究团队使用了由真实用户查询的自然问题（NQ，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。而在跨主干配对中则大幅优于简单基线。Granite 是多语言模型，研究团队在 vec2vec 的设计上，研究团队采用了一种对抗性方法，vec2vec 始终优于最优任务基线。

（来源：资料图）

当然，并未接触生成这些嵌入的编码器。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。由于在本次研究场景中无法获得这些嵌入，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），研究团队使用了代表三种规模类别、