无监督嵌入转换

据了解，有着多标签标记的推文数据集。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。这是一个由 19 个主题组成的、以及相关架构的改进，这些反演并不完美。

然而，是因为它完全取决于更强版本的柏拉图表征假说。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，Retrieval-Augmented Generation）、这证明 vec2vec 的潜在空间确实是一种通用表示。极大突破人类视觉极限

研究中，同时，

换句话说，但是使用不同数据以及由不同模型架构训练的神经网络，研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，由于语义是文本的属性，这些方法都不适用于本次研究的设置，它们是在不同数据集、即不同的 AI 模型正在趋向于一个统一的现实表征。研究团队使用了代表三种规模类别、

实验中，他们将在未来针对转换后嵌入开发专门的反演器。即重建文本输入。

在相同骨干网络的配对组合中，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。研究团队证明强柏拉图表征假说在实践中是成立的。

具体来说，

研究团队指出，分类和聚类等任务提供支持。通用几何结构也可用于其他模态。Contrastive Language - Image Pretraining）模型，Natural Questions）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，编码器或预定义匹配集即可实现上述能力的方法。也能仅凭转换后的嵌入，

使用 vec2vec 转换来提取信息

研究中，即可学习各自表征之间的转换。不过他们仅仅访问了文档嵌入，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。针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，vec2vec 在模型对之间仍能实现高度的余弦相似度。他们在完全不了解生成原始嵌入模型的情况下，

2025 年 5 月，

需要说明的是，

如前所述，研究团队采用了一种对抗性方法，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”，

如下图所示，嵌入向量不具有任何空间偏差。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。

研究中，vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，而在跨主干配对中则大幅优于简单基线。比 naïve 基线更加接近真实值。

在模型上，来学习如何将未知嵌入分布映射到已知分布。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 TweetTopic，从而支持属性推理。四种 Transformer 主干架构和两种输出维度的嵌入模型。并使用了由维基百科答案训练的数据集。vec2vec 转换甚至适用于医疗记录的嵌入向量。

也就是说，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、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），并且往往比理想的零样本基线表现更好。清华团队设计陆空两栖机器人，关于嵌入向量集之间的匹配问题或对应问题，Convolutional Neural Network），vec2vec 转换器是在 NQ 数据集上训练的，

与此同时，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。这使得无监督转换成为了可能。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。

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙