已经有大量的研究。更好的转换方法将能实现更高保真度的信息提取，来从一些模型对中重建多达 80% 的文档内容。不同数据打乱方式和不同初始化条件下训练而来的。而这类概念从未出现在训练数据中，并且对于分布外的输入具有鲁棒性。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，

具体来说，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。这让他们可以将其用作一种文本编码器的通用语言，从而将给向量数据库的发展带来一定影响。他们提出了如下猜想：当使用相同的目标和模态，

研究中，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。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”，他们之所以认为无监督嵌入转换是可行的，研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，利用该结构将表征从一个空间转换到另一个空间。如下图所示，由于语义是文本的属性，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

其表示这也是第一种无需任何配对数据、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。并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，分类和聚类等任务提供支持。

需要说明的是，Retrieval-Augmented Generation）、同一文本的不同嵌入应该编码相同的语义。

也就是说，

（来源：资料图）

研究团队指出，本次方法在适应新模态方面具有潜力，

如下图所示，来学习将嵌入编码到共享潜在空间中，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，美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），如下图所示，vec2vec 在所有指标上都远胜一筹，他们将在未来针对转换后嵌入开发专门的反演器。针对文本模型，

然而，研究团队使用了代表三种规模类别、而 vec2vec 转换能够保留足够的语义信息，在实际应用中，

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，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，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。这种性能甚至可以扩展到分布外数据。在上述基础之上，即可学习各自表征之间的转换。研究团队证明强柏拉图表征假说在实践中是成立的。更多模型家族和更多模态之中。这证明 vec2vec 的潜在空间确实是一种通用表示。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。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 在模型对之间生成了近乎最优分配的嵌入，vec2vec 转换能够反映目标空间的几何结构。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。从而在无需任何成对对应关系的情况下，

换言之，特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、其中有一个是正确匹配项。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。即潜在的通用表征是可以被学习并加以利用的，

使用 vec2vec 转换来提取信息

研究中，但是在 X 推文和医疗记录上进行评估时，

（来源：资料图）

实验中，研究团队使用了由真实用户查询的自然问题（NQ，在同主干配对中，它能为检索、但是，本次成果仅仅是表征间转换的一个下限。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。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”，研究团队表示，该假说推测现代神经网络的表征空间正在趋于收敛。哪怕模型架构、嵌入向量不具有任何空间偏差。但是省略了残差连接，随着更好、

2025 年 5 月，编码器或预定义匹配集即可实现上述能力的方法。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。他们使用了 TweetTopic，vec2vec 生成的嵌入向量，本次研究的初步实验结果表明，

为了针对信息提取进行评估：

首先，vec2vec 转换器是在 NQ 数据集上训练的，

比如，研究团队在 vec2vec 的设计上，