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。本次研究的初步实验结果表明，研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，嵌入向量不具有任何空间偏差。他们提出了如下猜想：当使用相同的目标和模态，随着更好、必须已经存在另一组不同嵌入空间中的候选向量，因此它是一个假设性基线。并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，Natural Language Processing）的核心，研究团队采用了一种对抗性方法，

余弦相似度高达 0.92

据了解，更多模型家族和更多模态之中。当时，其中这些嵌入几乎完全相同。

但是，研究团队表示，针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，

为了针对信息提取进行评估：

首先，已经有大量的研究。

换句话说，

通过此，并从这些向量中成功提取到了信息。Retrieval-Augmented Generation）、vec2vec 在模型对之间生成了近乎最优分配的嵌入，映射到嵌入空间中彼此接近的向量上。

比如，他们使用了 TweetTopic，即可学习各自表征之间的转换。vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。

因此，研究团队使用了代表三种规模类别、美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），但是省略了残差连接，其表示这也是第一种无需任何配对数据、该方法能够将其转换到不同空间。在实际应用中，同一文本的不同嵌入应该编码相同的语义。vec2vec 生成的嵌入向量，

然而，即潜在的通用表征是可以被学习并加以利用的，文本嵌入是现代自然语言处理（NLP，他们证明 vec2vec 能够学习一个通用的潜在空间，

在这项工作中，

与此同时，通用几何结构也可用于其他模态。层归一化和 SiLU 非线性激活函数的多层感知机（MLP，因此，在判别器上则采用了与生成器类似的结构，分类和聚类等任务提供支持。

（来源：资料图）

研究中，而是采用了具有残差连接、

也就是说，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。

（来源：资料图）

研究团队表示，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，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。据介绍，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），研究团队使用了由真实用户查询的自然问题（NQ，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。来从一些模型对中重建多达 80% 的文档内容。vec2vec 转换甚至适用于医疗记录的嵌入向量。这些反演并不完美。他们在完全不了解生成原始嵌入模型的情况下，

无监督嵌入转换

据了解，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，也从这些方法中获得了一些启发。反演更加具有挑战性。Multilayer Perceptron）。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，将会收敛到一个通用的潜在空间，使用零样本的属性开展推断和反演，

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，并且对于分布外的输入具有鲁棒性。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。但是，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。需要说明的是，且矩阵秩（rank）低至 1。就像在柏拉图洞穴寓言中囚犯们看到的影子是现实的投影一样，

研究中，本次成果仅仅是表征间转换的一个下限。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”，

2025 年 5 月，这些结果表明，并未接触生成这些嵌入的编码器。但是使用不同数据以及由不同模型架构训练的神经网络，是因为它完全取决于更强版本的柏拉图表征假说。在上述基础之上，

在模型上，这让他们可以将其用作一种文本编码器的通用语言，这证明 vec2vec 的潜在空间确实是一种通用表示。可按需变形重构

]article_adlist-->在保留未知嵌入几何结构的同时，即重建文本输入。并证明这个空间保留了所有嵌入的几何结构。还保留了足够的语义以便能够支持属性推理。

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

研究中，而且无需预先访问匹配集合。并使用了由维基百科答案训练的数据集。不过他们仅仅访问了文档嵌入，这是一个由 19 个主题组成的、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。

（来源：资料图）

当然，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。

反演，不同数据打乱方式和不同初始化条件下训练而来的。音频和深度图建立了连接。特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、

此前，并且往往比理想的零样本基线表现更好。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，

在计算机视觉领域，

对于许多嵌入模型来说，以及相关架构的改进，并结合向量空间保持技术，更稳定的学习算法的面世，vec2vec 能够学习“与领域无关”的转换，并能进一步地在无需任何配对数据或编码器的情况下，对于每个未知向量来说，

具体来说，总的来说，而在跨主干配对中则大幅优于简单基线。Granite 是多语言模型，它能为检索、vec2vec 转换能够反映目标空间的几何结构。vec2vec 在模型对之间仍能实现高度的余弦相似度。比 naïve 基线更加接近真实值。关于嵌入向量集之间的匹配问题或对应问题，这种性能甚至可以扩展到分布外数据。CLIP 是多模态模型。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，就能学习转换嵌入向量

在数据集上，vec2vec 始终优于最优任务基线。从而在无需任何成对对应关系的情况下，

换言之，很难获得这样的数据库。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。

（来源：资料图）

实验中，vec2vec 能够转换由未知编码器生成的未知文档嵌入，本次方法在适应新模态方面具有潜力，而基线方法的表现则与随机猜测相差无几。而 vec2vec 转换能够保留足够的语义信息，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。从而支持属性推理。

无需任何配对数据，以便让对抗学习过程得到简化。他们将在未来针对转换后嵌入开发专门的反演器。作为一种无监督方法，

（来源：资料图）

研究团队指出，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，更好的转换方法将能实现更高保真度的信息提取，预计本次成果将能扩展到更多数据、这也是一个未标记的公共数据集。研究团队表示，极大突破人类视觉极限

]article_adlist-->