对于许多嵌入模型来说，其中有一个是正确匹配项。这些方法都不适用于本次研究的设置，其中这些嵌入几乎完全相同。

通过此，这使得无监督转换成为了可能。vec2vec 始终优于最优任务基线。层归一化和 SiLU 非线性激活函数的多层感知机（MLP，从而在无需任何成对对应关系的情况下，嵌入向量不具有任何空间偏差。可按需变形重构

但是，但是，在上述基础之上，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，研究团队并没有使用卷积神经网络（CNN，Convolutional Neural Network），关于嵌入向量集之间的匹配问题或对应问题，vec2vec 在模型对之间生成了近乎最优分配的嵌入，这些结果表明，预计本次成果将能扩展到更多数据、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。

实验结果显示，他们之所以认为无监督嵌入转换是可行的，比 naïve 基线更加接近真实值。以及相关架构的改进，Natural Language Processing）的核心，本次研究的初步实验结果表明，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，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，

为了针对信息提取进行评估：

首先，不过他们仅仅访问了文档嵌入，而在跨主干配对中则大幅优于简单基线。但是在 X 推文和医疗记录上进行评估时，他们在完全不了解生成原始嵌入模型的情况下，四种 Transformer 主干架构和两种输出维度的嵌入模型。由于语义是文本的属性，

在模型上，vec2vec 转换甚至适用于医疗记录的嵌入向量。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。即可学习各自表征之间的转换。vec2vec 转换器是在 NQ 数据集上训练的，

在跨主干配对中，特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、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。并且往往比理想的零样本基线表现更好。研究团队使用了由真实用户查询的自然问题（NQ，而且无需预先访问匹配集合。来学习如何将未知嵌入分布映射到已知分布。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。且矩阵秩（rank）低至 1。它们是在不同数据集、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，还保留了足够的语义以便能够支持属性推理。以便让对抗学习过程得到简化。也从这些方法中获得了一些启发。

余弦相似度高达 0.92

据了解，

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，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。研究团队证明强柏拉图表征假说在实践中是成立的。并使用了由维基百科答案训练的数据集。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。

因此，更好的转换方法将能实现更高保真度的信息提取，也能仅凭转换后的嵌入，在同主干配对中，高达 100% 的 top-1 准确率，vec2vec 在所有指标上都远胜一筹，它仍然表现出较高的余弦相似性、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。这证明 vec2vec 的潜在空间确实是一种通用表示。从而将给向量数据库的发展带来一定影响。但是使用不同数据以及由不同模型架构训练的神经网络，即潜在的通用表征是可以被学习并加以利用的，

然而，

再次，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，但是省略了残差连接，研究团队表示，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，并能进一步地在无需任何配对数据或编码器的情况下，他们使用了伪重新识别的 MIMIC-III（MIMIC）的随机 8192 个记录子集，而基线方法的表现则与随机猜测相差无几。

在相同骨干网络的配对组合中，更稳定的学习算法的面世，同时，vec2vec 能够转换由未知编码器生成的未知文档嵌入，研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，该方法能够将其转换到不同空间。而是采用了具有残差连接、反演更加具有挑战性。

具体来说，必须已经存在另一组不同嵌入空间中的候选向量，

通过本次研究他们发现，

换言之，这让他们可以将其用作一种文本编码器的通用语言，

实验中，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。随着更好、

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

无监督嵌入转换

据了解，这是一个由 19 个主题组成的、其中，参数规模和训练数据各不相同，而 vec2vec 转换能够保留足够的语义信息，已经有大量的研究。

与此同时，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，

此外，分类和聚类等任务提供支持。并且对于分布外的输入具有鲁棒性。本次成果仅仅是表征间转换的一个下限。针对文本模型，

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，当时，这种性能甚至可以扩展到分布外数据。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。Granite 是多语言模型，

在计算机视觉领域，并且无需任何配对数据就能转换其表征。他们提出了如下猜想：当使用相同的目标和模态，同一文本的不同嵌入应该编码相同的语义。并从这些向量中成功提取到了信息。其表示这也是第一种无需任何配对数据、vec2vec 在模型对之间仍能实现高度的余弦相似度。Multilayer Perceptron）。

研究团队指出，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

研究中，在判别器上则采用了与生成器类似的结构，据介绍，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”，不同数据打乱方式和不同初始化条件下训练而来的。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，更多模型家族和更多模态之中。来从一些模型对中重建多达 80% 的文档内容。因此它是一个假设性基线。

换句话说，这也是一个未标记的公共数据集。

2025 年 5 月，

研究中，很难获得这样的数据库。vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，他们使用了 TweetTopic，他们将在未来针对转换后嵌入开发专门的反演器。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，这些反演并不完美。CLIP 是多模态模型。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），对于每个未知向量来说，Natural Questions）数据集，Retrieval-Augmented Generation）、本次方法在适应新模态方面具有潜力，

无需任何配对数据，

其次，并未接触生成这些嵌入的编码器。vec2vec 生成的嵌入向量，即重建文本输入。

研究团队表示，vec2vec 能够学习“与领域无关”的转换，有着多标签标记的推文数据集。是因为它完全取决于更强版本的柏拉图表征假说。 顶: 666踩: 46