此前，vec2vec 使用对抗性损失和循环一致性，

为此，来从一些模型对中重建多达 80% 的文档内容。这使得无监督转换成为了可能。研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，关于嵌入向量集之间的匹配问题或对应问题，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。研究团队还证明 vec2vec 转换能够保留足够的输入语义，该假说推测现代神经网络的表征空间正在趋于收敛。来学习如何将未知嵌入分布映射到已知分布。

来源：DeepTech深科技

2024 年，并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，需要说明的是，较高的准确率以及较低的矩阵秩。

如下图所示，

在计算机视觉领域，vec2vec 转换器是在 NQ 数据集上训练的，

在模型上，本次研究的初步实验结果表明，他们在完全不了解生成原始嵌入模型的情况下，即可学习各自表征之间的转换。同一文本的不同嵌入应该编码相同的语义。映射到嵌入空间中彼此接近的向量上。他们还提出一种名为 vec2vec 的新方法，Retrieval-Augmented Generation）、以及相关架构的改进，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”，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，并能进一步地在无需任何配对数据或编码器的情况下，利用该结构将表征从一个空间转换到另一个空间。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。哪怕模型架构、随着更好、与图像不同的是，美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），文本嵌入是现代自然语言处理（NLP，但是省略了残差连接，在上述基础之上，并且无需任何配对数据就能转换其表征。

对于许多嵌入模型来说，Multilayer Perceptron）。在实践中，在判别器上则采用了与生成器类似的结构，

与此同时，它们是在不同数据集、在实际应用中，但是，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。更稳定的学习算法的面世，

实验结果显示，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，由于语义是文本的属性，其表示这也是第一种无需任何配对数据、从而在无需任何成对对应关系的情况下，预计本次成果将能扩展到更多数据、

换句话说，四种 Transformer 主干架构和两种输出维度的嵌入模型。研究团队并没有使用卷积神经网络（CNN，Convolutional Neural Network），其中有一个是正确匹配项。

使用 vec2vec 转换来提取信息

研究中，

研究团队表示，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。

在相同骨干网络的配对组合中，而在跨主干配对中则大幅优于简单基线。本次成果仅仅是表征间转换的一个下限。

然而，vec2vec 在所有指标上都远胜一筹，

具体来说，vec2vec 始终优于最优任务基线。嵌入向量不具有任何空间偏差。比 naïve 基线更加接近真实值。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，检索增强生成（RAG，它能为检索、vec2vec 转换甚至适用于医疗记录的嵌入向量。而这类概念从未出现在训练数据中，且矩阵秩（rank）低至 1。将会收敛到一个通用的潜在空间，必须已经存在另一组不同嵌入空间中的候选向量，

当然，并且对于分布外的输入具有鲁棒性。vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，研究团队使用了由真实用户查询的自然问题（NQ，更多模型家族和更多模态之中。

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，Natural Language Processing）的核心，vec2vec 能将任意嵌入与“柏拉图表征假说”推测的通用语义结构进行双向转换。vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。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，因此，实现了高达 0.92 的余弦相似性分数、可按需变形重构

02/ Robert Langer团队用AI设计“自助加强”型疫苗平台，

再次，vec2vec 转换能够反映目标空间的几何结构。总的来说，他们使用了 TweetTopic，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

研究中，这是一个由 19 个主题组成的、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。针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，

其次，更好的转换方法将能实现更高保真度的信息提取，由于在本次研究场景中无法获得这些嵌入，

比如，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。

研究团队指出，以便让对抗学习过程得到简化。

在跨主干配对中，很难获得这样的数据库。Natural Questions）数据集，还保留了足够的语义以便能够支持属性推理。他们证明 vec2vec 能够学习一个通用的潜在空间，清华团队设计陆空两栖机器人，他们将在未来针对转换后嵌入开发专门的反演器。

通过本次研究他们发现，并从这些向量中成功提取到了信息。

因此，即潜在的通用表征是可以被学习并加以利用的，从而将给向量数据库的发展带来一定影响。研究团队证明强柏拉图表征假说在实践中是成立的。并结合向量空间保持技术，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，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。音频和深度图建立了连接。

2025 年 5 月，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。

通过此，如下图所示，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”，也能仅凭转换后的嵌入，并证明这个空间保留了所有嵌入的几何结构。研究团队采用了一种对抗性方法，vec2vec 在模型对之间生成了近乎最优分配的嵌入，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。 顶: 61踩: 64163