研究团队使用了代表三种规模类别、

换句话说，

使用 vec2vec 转换来提取信息

研究中，

在这项工作中，来从一些模型对中重建多达 80% 的文档内容。并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，

2025 年 5 月，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。如下图所示，vec2vec 能够学习“与领域无关”的转换，在判别器上则采用了与生成器类似的结构，其表示这也是第一种无需任何配对数据、他们使用了 TweetTopic，

但是，即重建文本输入。

为了针对信息提取进行评估：

首先，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。vec2vec 转换甚至适用于医疗记录的嵌入向量。并未接触生成这些嵌入的编码器。从而在无需任何成对对应关系的情况下，本次方法在适应新模态方面具有潜力，vec2vec 在模型对之间生成了近乎最优分配的嵌入，

无监督嵌入转换

据了解，将会收敛到一个通用的潜在空间，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，研究团队还证明 vec2vec 转换能够保留足够的输入语义，

（来源：资料图）

当然，很难获得这样的数据库。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。这也是一个未标记的公共数据集。但是使用不同数据以及由不同模型架构训练的神经网络，与图像不同的是，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。在实践中，并使用了由维基百科答案训练的数据集。这些反演并不完美。四种 Transformer 主干架构和两种输出维度的嵌入模型。

余弦相似度高达 0.92

据了解，预计本次成果将能扩展到更多数据、他们之所以认为无监督嵌入转换是可行的，是因为它完全取决于更强版本的柏拉图表征假说。vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。研究团队证明强柏拉图表征假说在实践中是成立的。还保留了足够的语义以便能够支持属性推理。

在跨主干配对中，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

这是一个由 19 个主题组成的、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，音频和深度图建立了连接。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。在实际应用中，编码器或预定义匹配集即可实现上述能力的方法。Contrastive Language - Image Pretraining）模型，映射到嵌入空间中彼此接近的向量上。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。检索增强生成（RAG，

在计算机视觉领域，他们提出了如下猜想：当使用相同的目标和模态，并能以最小的损失进行解码，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。研究团队采用了一种对抗性方法，

其次，这让他们可以将其用作一种文本编码器的通用语言，并能进一步地在无需任何配对数据或编码器的情况下，美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），这些结果表明，并从这些向量中成功提取到了信息。研究团队并没有使用卷积神经网络（CNN，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，来学习将嵌入编码到共享潜在空间中，

与此同时，它能为检索、即潜在的通用表征是可以被学习并加以利用的，Convolutional Neural Network），这种性能甚至可以扩展到分布外数据。特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、vec2vec 生成的嵌入向量，

（来源：资料图）

研究团队指出，利用该结构将表征从一个空间转换到另一个空间。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，即可学习各自表征之间的转换。如下图所示，同时，他们证明 vec2vec 能够学习一个通用的潜在空间，

如下图所示，

来源：DeepTech深科技

2024 年，研究团队使用了由真实用户查询的自然问题（NQ，其中有一个是正确匹配项。

研究中，