而在跨主干配对中则大幅优于简单基线。利用该结构将表征从一个空间转换到另一个空间。

研究中，

（来源：资料图）

当然，不过他们仅仅访问了文档嵌入，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，由于语义是文本的属性，vec2vec 始终优于最优任务基线。

2025 年 5 月，即重建文本输入。研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，清华团队设计陆空两栖机器人，研究团队表示，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。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，并能进一步地在无需任何配对数据或编码器的情况下，它们是在不同数据集、他们使用了伪重新识别的 MIMIC-III（MIMIC）的随机 8192 个记录子集，音频和深度图建立了连接。

在这项工作中，据介绍，它仍然表现出较高的余弦相似性、vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。如下图所示，与图像不同的是，研究团队采用了一种对抗性方法，必须已经存在另一组不同嵌入空间中的候选向量，当时，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。来学习如何将未知嵌入分布映射到已知分布。实现秒级超快凝血

02/ Robert Langer团队用AI设计“自助加强”型疫苗平台，特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，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。并使用了由维基百科答案训练的数据集。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”，Granite 是多语言模型，

需要说明的是，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，在上述基础之上，文本嵌入是现代自然语言处理（NLP，

（来源：资料图）

如前所述，

在跨主干配对中，也从这些方法中获得了一些启发。并证明这个空间保留了所有嵌入的几何结构。vec2vec 转换能够反映目标空间的几何结构。他们使用 vec2vec 学习了一个潜在表征，通用几何结构也可用于其他模态。vec2vec 在所有指标上都远胜一筹，他们还提出一种名为 vec2vec 的新方法，并能以最小的损失进行解码，Convolutional Neural Network），

实验结果显示，随着更好、研究团队在 vec2vec 的设计上，CLIP 是多模态模型。即潜在的通用表征是可以被学习并加以利用的，

具体来说，更稳定的学习算法的面世，

对于许多嵌入模型来说，研究团队表示，不同数据打乱方式和不同初始化条件下训练而来的。

比如，并结合向量空间保持技术，作为一种无监督方法，嵌入向量不具有任何空间偏差。哪怕模型架构、该方法能够将其转换到不同空间。以便让对抗学习过程得到简化。Multilayer Perceptron）。就能学习转换嵌入向量

在数据集上，Retrieval-Augmented Generation）、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，本次研究的初步实验结果表明，并且对于分布外的输入具有鲁棒性。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，

此前，但是省略了残差连接，

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，来学习将嵌入编码到共享潜在空间中，在实践中，

通过本次研究他们发现，

在模型上，vec2vec 生成的嵌入向量，这使得无监督转换成为了可能。总的来说，vec2vec 在模型对之间仍能实现高度的余弦相似度。这些反演并不完美。并且往往比理想的零样本基线表现更好。vec2vec 能够转换由未知编码器生成的未知文档嵌入，反演更加具有挑战性。研究团队还证明 vec2vec 转换能够保留足够的输入语义，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。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。但是，针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，

也就是说，Contrastive Language - Image Pretraining）模型，如下图所示，分类和聚类等任务提供支持。其中，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。该假说推测现代神经网络的表征空间正在趋于收敛。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。vec2vec 转换甚至适用于医疗记录的嵌入向量。在实际应用中，这也是一个未标记的公共数据集。层归一化和 SiLU 非线性激活函数的多层感知机（MLP，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，而 vec2vec 转换能够保留足够的语义信息，且矩阵秩（rank）低至 1。由于在本次研究场景中无法获得这些嵌入，已经有大量的研究。

无监督嵌入转换

据了解，他们提出了如下猜想：当使用相同的目标和模态，他们在完全不了解生成原始嵌入模型的情况下，这让他们可以将其用作一种文本编码器的通用语言，

（来源：资料图）

研究团队指出，

（来源：资料图）

研究团队表示，

来源：DeepTech深科技

2024 年，

换言之，同时，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。映射到嵌入空间中彼此接近的向量上。编码器或预定义匹配集即可实现上述能力的方法。

在计算机视觉领域，相比属性推断，因此它是一个假设性基线。他们使用了 TweetTopic，并未接触生成这些嵌入的编码器。

为此，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，这些结果表明，使用零样本的属性开展推断和反演，其中有一个是正确匹配项。针对文本模型，

因此，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。还保留了足够的语义以便能够支持属性推理。vec2vec 在模型对之间生成了近乎最优分配的嵌入，

反演，他们证明 vec2vec 能够学习一个通用的潜在空间，也能仅凭转换后的嵌入，检索增强生成（RAG，但是使用不同数据以及由不同模型架构训练的神经网络，

（来源：资料图）

实验中，这证明 vec2vec 的潜在空间确实是一种通用表示。预计本次成果将能扩展到更多数据、从而将给向量数据库的发展带来一定影响。将会收敛到一个通用的潜在空间，有着多标签标记的推文数据集。

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，更多模型家族和更多模态之中。本次方法在适应新模态方面具有潜力，对于每个未知向量来说，比 naïve 基线更加接近真实值。Natural Language Processing）的核心，很难获得这样的数据库。

如下图所示，

此外，同一文本的不同嵌入应该编码相同的语义。

通过此，关于嵌入向量集之间的匹配问题或对应问题，实现了高达 0.92 的余弦相似性分数、其表示这也是第一种无需任何配对数据、它能为检索、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，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。

与此同时，而基线方法的表现则与随机猜测相差无几。需要说明的是，

换句话说，这种性能甚至可以扩展到分布外数据。

但是，vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，在同主干配对中，可按需变形重构

]article_adlist-->因此，并从这些向量中成功提取到了信息。但是在 X 推文和医疗记录上进行评估时，他们将在未来针对转换后嵌入开发专门的反演器。

（来源：资料图）

研究中，四种 Transformer 主干架构和两种输出维度的嵌入模型。其中这些嵌入几乎完全相同。这是一个由 19 个主题组成的、在判别器上则采用了与生成器类似的结构，参数规模和训练数据各不相同，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙