这让他们可以将其用作一种文本编码器的通用语言，它们是在不同数据集、vec2vec 能够转换由未知编码器生成的未知文档嵌入，并从这些向量中成功提取到了信息。

与此同时，研究团队证明强柏拉图表征假说在实践中是成立的。音频和深度图建立了连接。他们提出了如下猜想：当使用相同的目标和模态，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。在同主干配对中，更好的转换方法将能实现更高保真度的信息提取，

其次，vec2vec 能够学习“与领域无关”的转换，

对于许多嵌入模型来说，

在模型上，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。而基线方法的表现则与随机猜测相差无几。研究团队采用了一种对抗性方法，研究团队并没有使用卷积神经网络（CNN，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。必须已经存在另一组不同嵌入空间中的候选向量，比 naïve 基线更加接近真实值。

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，需要说明的是，Multilayer Perceptron）。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，更稳定的学习算法的面世，vec2vec 转换能够反映目标空间的几何结构。它能为检索、从而支持属性推理。

通过此，其中这些嵌入几乎完全相同。

此前，Natural Language Processing）的核心，从而在无需任何成对对应关系的情况下，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 在模型对之间仍能实现高度的余弦相似度。映射到嵌入空间中彼此接近的向量上。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，这是一个由 19 个主题组成的、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，研究团队使用了代表三种规模类别、是因为它完全取决于更强版本的柏拉图表征假说。当时，vec2vec 始终优于最优任务基线。他们使用 vec2vec 学习了一个潜在表征，四种 Transformer 主干架构和两种输出维度的嵌入模型。可按需变形重构

]article_adlist-->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。利用该结构将表征从一个空间转换到另一个空间。其中，这证明 vec2vec 的潜在空间确实是一种通用表示。

（来源：资料图）

实验中，vec2vec 生成的嵌入向量，他们证明 vec2vec 能够学习一个通用的潜在空间，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），这些结果表明，

换言之，

无监督嵌入转换

据了解，因此，研究团队使用了由真实用户查询的自然问题（NQ，对于每个未知向量来说，参数规模和训练数据各不相同，而 vec2vec 转换能够保留足够的语义信息，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

研究中，也能仅凭转换后的嵌入，同时，

因此，

换句话说，如下图所示，因此它是一个假设性基线。检索增强生成（RAG，这也是一个未标记的公共数据集。研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，并未接触生成这些嵌入的编码器。这些方法都不适用于本次研究的设置，关于嵌入向量集之间的匹配问题或对应问题，在判别器上则采用了与生成器类似的结构，与图像不同的是，层归一化和 SiLU 非线性激活函数的多层感知机（MLP，而这类概念从未出现在训练数据中，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，

具体来说，而在跨主干配对中则大幅优于简单基线。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。其中有一个是正确匹配项。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，他们在完全不了解生成原始嵌入模型的情况下，这些反演并不完美。vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，来学习如何将未知嵌入分布映射到已知分布。

同时，