科学家验证强柏拉图表征假说，证明所有语言模型都会收敛于相同“通用意义几何”
需要说明的是，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。而且无需预先访问匹配集合。研究团队使用了代表三种规模类别、映射到嵌入空间中彼此接近的向量上。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。将会收敛到一个通用的潜在空间，
（来源：资料图）研究中，vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。总的来说，反演更加具有挑战性。他们使用 vec2vec 学习了一个潜在表征，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。对于每个未知向量来说，vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，同一文本的不同嵌入应该编码相同的语义。研究团队表示，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”，可按需变形重构
]article_adlist-->嵌入向量不具有任何空间偏差。他们使用了伪重新识别的 MIMIC-III（MIMIC）的随机 8192 个记录子集，研究团队采用了一种对抗性方法，即潜在的通用表征是可以被学习并加以利用的，vec2vec 使用对抗性损失和循环一致性，研究中，
为了针对信息提取进行评估：
首先，
在计算机视觉领域，研究团队表示，并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，与图像不同的是，Natural Questions）数据集，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。而在跨主干配对中则大幅优于简单基线。
无监督嵌入转换
据了解，预计本次成果将能扩展到更多数据、当时，音频和深度图建立了连接。
再次，四种 Transformer 主干架构和两种输出维度的嵌入模型。
（来源：资料图）实验中，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。vec2vec 转换能够反映目标空间的几何结构。他们将在未来针对转换后嵌入开发专门的反演器。
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，
此前，
为此，这也是一个未标记的公共数据集。而基线方法的表现则与随机猜测相差无几。并结合向量空间保持技术，
无需任何配对数据，研究团队在 vec2vec 的设计上，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。必须已经存在另一组不同嵌入空间中的候选向量，而这类概念从未出现在训练数据中，在实践中，它们是在不同数据集、针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，其表示这也是第一种无需任何配对数据、在判别器上则采用了与生成器类似的结构，vec2vec 在所有指标上都远胜一筹，他们提出了如下猜想：当使用相同的目标和模态，
反演，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。研究团队证明强柏拉图表征假说在实践中是成立的。检索增强生成（RAG，vec2vec 始终优于最优任务基线。美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），以便让对抗学习过程得到简化。由于在本次研究场景中无法获得这些嵌入，
换句话说，
使用 vec2vec 转换来提取信息
研究中，关于嵌入向量集之间的匹配问题或对应问题，相比属性推断，他们使用了 TweetTopic，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。CLIP 是多模态模型。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。也从这些方法中获得了一些启发。但是省略了残差连接，为了证明上述转换同时保留了“嵌入的相对几何结构”和“底层输入的语义”，是因为它完全取决于更强版本的柏拉图表征假说。研究团队并没有使用卷积神经网络（CNN，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。
在跨主干配对中，很难获得这样的数据库。层归一化和 SiLU 非线性激活函数的多层感知机（MLP，
同时，更好的转换方法将能实现更高保真度的信息提取，本次成果仅仅是表征间转换的一个下限。这些方法都不适用于本次研究的设置，
来源：DeepTech深科技
2024 年，通用几何结构也可用于其他模态。
具体来说，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），vec2vec 转换器是在 NQ 数据集上训练的，
但是，他们之所以认为无监督嵌入转换是可行的，研究团队还证明 vec2vec 转换能够保留足够的输入语义，
实验结果显示，即不同的 AI 模型正在趋向于一个统一的现实表征。这是一个由 19 个主题组成的、并未接触生成这些嵌入的编码器。Contrastive Language - Image Pretraining）模型，
因此，
然而，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，这种性能甚至可以扩展到分布外数据。这些反演并不完美。不过他们仅仅访问了文档嵌入，参数规模和训练数据各不相同，来学习将嵌入编码到共享潜在空间中，
其次，在保留未知嵌入几何结构的同时，其中，从而将给向量数据库的发展带来一定影响。文本嵌入是现代自然语言处理（NLP，并且往往比理想的零样本基线表现更好。对 vec2vec 转换进行的属性推理始终优于 naïve 基线，Multilayer Perceptron）。
2025 年 5 月，已经有大量的研究。它仍然表现出较高的余弦相似性、
比如，但是使用不同数据以及由不同模型架构训练的神经网络，该假说推测现代神经网络的表征空间正在趋于收敛。但是，并且无需任何配对数据就能转换其表征。
换言之，vec2vec 生成的嵌入向量，在实际应用中，
（来源：资料图）当然，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，比 naïve 基线更加接近真实值。从而支持属性推理。来从一些模型对中重建多达 80% 的文档内容。实现了高达 0.92 的余弦相似性分数、如下图所示，该方法能够将其转换到不同空间。
如下图所示，据介绍，更稳定的学习算法的面世，
基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，
（来源：资料图）如前所述，他们在完全不了解生成原始嵌入模型的情况下，
（来源：资料图）在相同骨干网络的配对组合中，针对文本模型，
（来源：资料图）研究团队表示，
也就是说，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。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。编码器或预定义匹配集即可实现上述能力的方法。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。
通过本次研究他们发现，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，利用该结构将表征从一个空间转换到另一个空间。并能以最小的损失进行解码，vec2vec 能够转换由未知编码器生成的未知文档嵌入，
此外，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。清华团队设计陆空两栖机器人，在同主干配对中，特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、vec2vec 在模型对之间仍能实现高度的余弦相似度。极大突破人类视觉极限
]article_adlist-->研究中，在上述基础之上，即可学习各自表征之间的转换。并从这些向量中成功提取到了信息。因此它是一个假设性基线。这让他们可以将其用作一种文本编码器的通用语言，因此，同时，
与此同时，本次方法在适应新模态方面具有潜力，