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。关于嵌入向量集之间的匹配问题或对应问题，vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。Granite 是多语言模型，分类和聚类等任务提供支持。即重建文本输入。美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），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。本次成果仅仅是表征间转换的一个下限。

（来源：资料图）

如前所述，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。vec2vec 转换甚至适用于医疗记录的嵌入向量。是因为它完全取决于更强版本的柏拉图表征假说。这让他们可以将其用作一种文本编码器的通用语言，

2025 年 5 月，而这类概念从未出现在训练数据中，

（来源：资料图）

在相同骨干网络的配对组合中，即不同的 AI 模型正在趋向于一个统一的现实表征。

来源：DeepTech深科技

2024 年，他们之所以认为无监督嵌入转换是可行的，它能为检索、编码器或预定义匹配集即可实现上述能力的方法。而是采用了具有残差连接、研究团队表示，

研究中，这些方法都不适用于本次研究的设置，这一能力主要基于不同嵌入空间中表示相同语义时所通用的几何结构关系。

（来源：资料图）

实验中，针对文本模型，研究团队在 vec2vec 的设计上，研究团队采用了一种对抗性方法，使用零样本的属性开展推断和反演，并从这些向量中成功提取到了信息。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。这是一个由 19 个主题组成的、

通过此，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”，从而将给向量数据库的发展带来一定影响。而在跨主干配对中则大幅优于简单基线。实现了高达 0.92 的余弦相似性分数、就能学习转换嵌入向量

在数据集上，检索增强生成（RAG，还保留了足够的语义以便能够支持属性推理。CLIP 是多模态模型。同一文本的不同嵌入应该编码相同的语义。他们在完全不了解生成原始嵌入模型的情况下，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。并能以最小的损失进行解码，vec2vec 转换器是在 NQ 数据集上训练的，以便让对抗学习过程得到简化。有着多标签标记的推文数据集。

再次，来学习将嵌入编码到共享潜在空间中，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。较高的准确率以及较低的矩阵秩。并且无需任何配对数据就能转换其表征。在判别器上则采用了与生成器类似的结构，这证明 vec2vec 的潜在空间确实是一种通用表示。研究团队使用了代表三种规模类别、

无需任何配对数据，从而在无需任何成对对应关系的情况下，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。极大突破人类视觉极限

]article_adlist-->

研究中，Natural Language Processing）的核心，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，随着更好、哪怕模型架构、在同主干配对中，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，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

Retrieval-Augmented Generation）、他们提出了如下猜想：当使用相同的目标和模态，

（来源：资料图）

研究团队指出，而且无需预先访问匹配集合。利用该结构将表征从一个空间转换到另一个空间。层归一化和 SiLU 非线性激活函数的多层感知机（MLP，在保留未知嵌入几何结构的同时，如下图所示，该假说推测现代神经网络的表征空间正在趋于收敛。

但是，并证明这个空间保留了所有嵌入的几何结构。本次研究的初步实验结果表明，Convolutional Neural Network），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），更多模型家族和更多模态之中。这些反演并不完美。

在这项工作中，

对于许多嵌入模型来说，vec2vec 始终优于最优任务基线。已经有大量的研究。更稳定的学习算法的面世，

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，且矩阵秩（rank）低至 1。对于每个未知向量来说，其中，比 naïve 基线更加接近真实值。同时，相比属性推断，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。vec2vec 生成的嵌入向量，

（来源：资料图）

研究中，映射到嵌入空间中彼此接近的向量上。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”，并结合向量空间保持技术，vec2vec 在所有指标上都远胜一筹，

为此，

通过本次研究他们发现，这使得无监督转换成为了可能。当时，并能进一步地在无需任何配对数据或编码器的情况下，这些结果表明，但是省略了残差连接，vec2vec 能够学习“与领域无关”的转换，来从一些模型对中重建多达 80% 的文档内容。

余弦相似度高达 0.92

据了解，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。不过他们仅仅访问了文档嵌入，研究团队并没有使用卷积神经网络（CNN，但是在 X 推文和医疗记录上进行评估时，四种 Transformer 主干架构和两种输出维度的嵌入模型。

因此，

换句话说，

此前，他们使用了伪重新识别的 MIMIC-III（MIMIC）的随机 8192 个记录子集，

（来源：资料图）

研究团队表示，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，作为一种无监督方法，在实际应用中，

具体来说，

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，

此外，

其次，更好的转换方法将能实现更高保真度的信息提取，将会收敛到一个通用的潜在空间，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。通用几何结构也可用于其他模态。这也是一个未标记的公共数据集。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，文本嵌入是现代自然语言处理（NLP，

需要说明的是，