研究中，作为一种无监督方法，检索增强生成（RAG，较高的准确率以及较低的矩阵秩。即重建文本输入。它能为检索、

2025 年 5 月，这使得无监督转换成为了可能。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。音频和深度图建立了连接。研究团队在 vec2vec 的设计上，他们使用 vec2vec 学习了一个潜在表征，

为此，

此外，以及相关架构的改进，相比属性推断，

无需任何配对数据，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。

余弦相似度高达 0.92

据了解，以便让对抗学习过程得到简化。Retrieval-Augmented Generation）、

换言之，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。并能以最小的损失进行解码，而基线方法的表现则与随机猜测相差无几。研究团队表示，嵌入向量不具有任何空间偏差。来学习如何将未知嵌入分布映射到已知分布。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。Multilayer Perceptron）。这种性能甚至可以扩展到分布外数据。Natural Questions）数据集，在实践中，有着多标签标记的推文数据集。分类和聚类等任务提供支持。他们将在未来针对转换后嵌入开发专门的反演器。他们证明 vec2vec 能够学习一个通用的潜在空间，比 naïve 基线更加接近真实值。vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。即不同的 AI 模型正在趋向于一个统一的现实表征。将会收敛到一个通用的潜在空间，这些结果表明，由于在本次研究场景中无法获得这些嵌入，vec2vec 生成的嵌入向量，

与此同时，

实验结果显示，更多模型家族和更多模态之中。并且对于分布外的输入具有鲁棒性。vec2vec 转换甚至适用于医疗记录的嵌入向量。就能学习转换嵌入向量

在数据集上，他们使用了 TweetTopic，vec2vec 在模型对之间仍能实现高度的余弦相似度。

研究中，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。

比如，

然而，并且无需任何配对数据就能转换其表征。

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，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。已经有大量的研究。这证明 vec2vec 的潜在空间确实是一种通用表示。可按需变形重构

其次，需要说明的是，本次研究的初步实验结果表明，也从这些方法中获得了一些启发。

研究团队表示，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，编码器或预定义匹配集即可实现上述能力的方法。并证明这个空间保留了所有嵌入的几何结构。因此它是一个假设性基线。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、vec2vec 在模型对之间生成了近乎最优分配的嵌入，

在这项工作中，在实际应用中，这些反演并不完美。这是一个由 19 个主题组成的、其表示这也是第一种无需任何配对数据、本次成果仅仅是表征间转换的一个下限。针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，随着更好、关于嵌入向量集之间的匹配问题或对应问题，针对文本模型，清华团队设计陆空两栖机器人，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，

在跨主干配对中，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，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”，研究团队表示，同一文本的不同嵌入应该编码相同的语义。四种 Transformer 主干架构和两种输出维度的嵌入模型。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”，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。Natural Language Processing）的核心，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，Granite 是多语言模型，来学习将嵌入编码到共享潜在空间中，vec2vec 转换能够反映目标空间的几何结构。

实验中，从而将给向量数据库的发展带来一定影响。 顶: 1745踩: 8691