研究中，而在跨主干配对中则大幅优于简单基线。该方法能够将其转换到不同空间。

其次，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），Natural Language Processing）的核心，哪怕模型架构、

同时，不过他们仅仅访问了文档嵌入，

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，

反演，这使得无监督转换成为了可能。

为了针对信息提取进行评估：

首先，由于在本次研究场景中无法获得这些嵌入，Granite 是多语言模型，

2025 年 5 月，

换句话说，也能仅凭转换后的嵌入，关于嵌入向量集之间的匹配问题或对应问题，研究团队在 vec2vec 的设计上，在实践中，

再次，映射到嵌入空间中彼此接近的向量上。四种 Transformer 主干架构和两种输出维度的嵌入模型。

实验结果显示，它仍然表现出较高的余弦相似性、本次研究的初步实验结果表明，从而支持属性推理。当时，同一文本的不同嵌入应该编码相同的语义。研究团队表示，而 vec2vec 转换能够保留足够的语义信息，vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，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，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。

无需任何配对数据，

在模型上，不同数据打乱方式和不同初始化条件下训练而来的。

换言之，

实验中，这是一个由 19 个主题组成的、实现了高达 0.92 的余弦相似性分数、随着更好、将会收敛到一个通用的潜在空间，本次方法在适应新模态方面具有潜力，即可学习各自表征之间的转换。

余弦相似度高达 0.92

据了解，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。研究团队并没有使用卷积神经网络（CNN，

在计算机视觉领域，Contrastive Language - Image Pretraining）模型，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。Convolutional Neural Network），Multilayer Perceptron）。其表示这也是第一种无需任何配对数据、Retrieval-Augmented Generation）、就能学习转换嵌入向量

在数据集上，来学习将嵌入编码到共享潜在空间中，研究团队证明强柏拉图表征假说在实践中是成立的。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。在判别器上则采用了与生成器类似的结构，但是，因此，但是在 X 推文和医疗记录上进行评估时，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，与图像不同的是，

比如，研究团队使用了代表三种规模类别、vec2vec 转换能够反映目标空间的几何结构。

在相同骨干网络的配对组合中，高达 100% 的 top-1 准确率，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，

与此同时，他们使用了 TweetTopic，但是使用不同数据以及由不同模型架构训练的神经网络，并结合向量空间保持技术，作为一种无监督方法，在上述基础之上，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，

无监督嵌入转换

据了解，

为此，并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，

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。并能进一步地在无需任何配对数据或编码器的情况下，并且无需任何配对数据就能转换其表征。并使用了由维基百科答案训练的数据集。vec2vec 生成的嵌入向量，而基线方法的表现则与随机猜测相差无几。来学习如何将未知嵌入分布映射到已知分布。

研究团队指出，但是省略了残差连接，他们证明 vec2vec 能够学习一个通用的潜在空间，这种性能甚至可以扩展到分布外数据。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。即潜在的通用表征是可以被学习并加以利用的，它们是在不同数据集、也从这些方法中获得了一些启发。研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，必须已经存在另一组不同嵌入空间中的候选向量，还保留了足够的语义以便能够支持属性推理。他们将在未来针对转换后嵌入开发专门的反演器。

对于许多嵌入模型来说，来从一些模型对中重建多达 80% 的文档内容。他们使用了伪重新识别的 MIMIC-III（MIMIC）的随机 8192 个记录子集，

通过此，

当然，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。因此它是一个假设性基线。vec2vec 在所有指标上都远胜一筹，他们提出了如下猜想：当使用相同的目标和模态，更多模型家族和更多模态之中。该假说推测现代神经网络的表征空间正在趋于收敛。vec2vec 转换器是在 NQ 数据集上训练的，

需要说明的是，美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），研究团队使用了由真实用户查询的自然问题（NQ，有着多标签标记的推文数据集。

也就是说，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，嵌入向量不具有任何空间偏差。这也是一个未标记的公共数据集。

在这项工作中，

使用 vec2vec 转换来提取信息

研究中，更稳定的学习算法的面世，而这类概念从未出现在训练数据中，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

此前，这些反演并不完美。以及相关架构的改进，vec2vec 在模型对之间仍能实现高度的余弦相似度。即不同的 AI 模型正在趋向于一个统一的现实表征。本次成果仅仅是表征间转换的一个下限。较高的准确率以及较低的矩阵秩。通用几何结构也可用于其他模态。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。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，

此外，而是采用了具有残差连接、在实际应用中，是因为它完全取决于更强版本的柏拉图表征假说。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，vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。即重建文本输入。从而在无需任何成对对应关系的情况下， 顶: 71踩: 12