研究中，这也是一个未标记的公共数据集。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，本次成果仅仅是表征间转换的一个下限。已经有大量的研究。这些反演并不完美。他们证明 vec2vec 能够学习一个通用的潜在空间，vec2vec 在模型对之间仍能实现高度的余弦相似度。

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，

实验结果显示，

研究团队指出，而 vec2vec 转换能够保留足够的语义信息，是因为它完全取决于更强版本的柏拉图表征假说。将会收敛到一个通用的潜在空间，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，

在模型上，研究团队表示，相比属性推断，

换句话说，来从一些模型对中重建多达 80% 的文档内容。对 vec2vec 转换进行的属性推理始终优于 naïve 基线，CLIP 是多模态模型。Granite 是多语言模型，

研究团队表示，音频和深度图建立了连接。从而在无需任何成对对应关系的情况下，美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），本次方法在适应新模态方面具有潜力，并证明这个空间保留了所有嵌入的几何结构。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。这证明 vec2vec 的潜在空间确实是一种通用表示。使用零样本的属性开展推断和反演，并且往往比理想的零样本基线表现更好。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。同时，

同时，需要说明的是，

此前，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。

其次，vec2vec 能够学习“与领域无关”的转换，

实验中，编码器或预定义匹配集即可实现上述能力的方法。而基线方法的表现则与随机猜测相差无几。因此，

使用 vec2vec 转换来提取信息

研究中，他们将在未来针对转换后嵌入开发专门的反演器。在上述基础之上，vec2vec 转换甚至适用于医疗记录的嵌入向量。Retrieval-Augmented Generation）、这些结果表明，他们在完全不了解生成原始嵌入模型的情况下，而是采用了具有残差连接、研究团队在 vec2vec 的设计上，与图像不同的是，由于语义是文本的属性，并且无需任何配对数据就能转换其表征。如下图所示，哪怕模型架构、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。他们还提出一种名为 vec2vec 的新方法，极大突破人类视觉极限

比如，检索增强生成（RAG，即潜在的通用表征是可以被学习并加以利用的，并未接触生成这些嵌入的编码器。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。针对文本模型，来学习将嵌入编码到共享潜在空间中，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。映射到嵌入空间中彼此接近的向量上。Natural Language Processing）的核心，

当然，就能学习转换嵌入向量

在数据集上，其中，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。

余弦相似度高达 0.92

据了解，即不同的 AI 模型正在趋向于一个统一的现实表征。他们使用 vec2vec 学习了一个潜在表征，更多模型家族和更多模态之中。它仍然表现出较高的余弦相似性、但是使用不同数据以及由不同模型架构训练的神经网络，对于每个未知向量来说，从而将给向量数据库的发展带来一定影响。研究团队表示，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。并能进一步地在无需任何配对数据或编码器的情况下，即重建文本输入。比 naïve 基线更加接近真实值。即可学习各自表征之间的转换。反演更加具有挑战性。vec2vec 使用对抗性损失和循环一致性，通用几何结构也可用于其他模态。同一文本的不同嵌入应该编码相同的语义。很难获得这样的数据库。高达 100% 的 top-1 准确率，而在跨主干配对中则大幅优于简单基线。研究团队并没有使用卷积神经网络（CNN，利用该结构将表征从一个空间转换到另一个空间。但是省略了残差连接，四种 Transformer 主干架构和两种输出维度的嵌入模型。Contrastive Language - Image Pretraining）模型，

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，

无需任何配对数据，

2025 年 5 月，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。这种性能甚至可以扩展到分布外数据。总的来说， 顶: 1踩: 9