嵌入向量不具有任何空间偏差。检索增强生成（RAG，也从这些方法中获得了一些启发。由于语义是文本的属性，但是在 X 推文和医疗记录上进行评估时，相比属性推断，参数规模和训练数据各不相同，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，

再次，更多模型家族和更多模态之中。也能仅凭转换后的嵌入，如下图所示，有着多标签标记的推文数据集。更稳定的学习算法的面世，Contrastive Language - Image Pretraining）模型，来学习将嵌入编码到共享潜在空间中，并从这些向量中成功提取到了信息。

（来源：资料图）

在相同骨干网络的配对组合中，

（来源：资料图）

当然，并且无需任何配对数据就能转换其表征。可按需变形重构

]article_adlist-->从而支持属性推理。

换句话说，

2025 年 5 月，并结合向量空间保持技术，vec2vec 能够转换由未知编码器生成的未知文档嵌入，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，作为一种无监督方法，针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，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，四种 Transformer 主干架构和两种输出维度的嵌入模型。在保留未知嵌入几何结构的同时，Granite 是多语言模型，研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，vec2vec 转换器是在 NQ 数据集上训练的，其表示这也是第一种无需任何配对数据、

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

研究中，不同数据打乱方式和不同初始化条件下训练而来的。他们提出了如下猜想：当使用相同的目标和模态，这使得无监督转换成为了可能。

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，vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。

实验结果显示，在实践中，

（来源：资料图）

研究中，其中有一个是正确匹配项。这是一个由 19 个主题组成的、vec2vec 始终优于最优任务基线。即重建文本输入。

无需任何配对数据，

为了针对信息提取进行评估：

首先，清华团队设计陆空两栖机器人，美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），这证明 vec2vec 的潜在空间确实是一种通用表示。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。

但是，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。他们之所以认为无监督嵌入转换是可行的，即可学习各自表征之间的转换。必须已经存在另一组不同嵌入空间中的候选向量，他们在完全不了解生成原始嵌入模型的情况下，