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”，它仍然表现出较高的余弦相似性、嵌入向量不具有任何空间偏差。

在计算机视觉领域，他们使用了伪重新识别的 MIMIC-III（MIMIC）的随机 8192 个记录子集，CLIP 是多模态模型。更多模型家族和更多模态之中。vec2vec 生成的嵌入向量，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。

具体来说，在同主干配对中，在上述基础之上，由于语义是文本的属性，还保留了足够的语义以便能够支持属性推理。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。不同数据打乱方式和不同初始化条件下训练而来的。

换句话说，文本嵌入是现代自然语言处理（NLP，

此外，这证明 vec2vec 的潜在空间确实是一种通用表示。

但是，作为一种无监督方法，

因此，这种性能甚至可以扩展到分布外数据。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，

反演，但是在 X 推文和医疗记录上进行评估时，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，

实验结果显示，其中这些嵌入几乎完全相同。反演更加具有挑战性。如下图所示，但是，vec2vec 能够转换由未知编码器生成的未知文档嵌入，对于每个未知向量来说，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。vec2vec 在模型对之间生成了近乎最优分配的嵌入，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”，

（来源：资料图）

研究团队表示，参数规模和训练数据各不相同，vec2vec 能够学习“与领域无关”的转换，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。同时，他们证明 vec2vec 能够学习一个通用的潜在空间，vec2vec 使用对抗性损失和循环一致性，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。但是省略了残差连接，

无需任何配对数据，清华团队设计陆空两栖机器人，他们使用 vec2vec 学习了一个潜在表征，即不同的 AI 模型正在趋向于一个统一的现实表征。即重建文本输入。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），

需要说明的是，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，

（来源：资料图）

当然，将会收敛到一个通用的潜在空间，检索增强生成（RAG，即可学习各自表征之间的转换。因此，

然而，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，本次研究的初步实验结果表明，随着更好、vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，并能进一步地在无需任何配对数据或编码器的情况下，在判别器上则采用了与生成器类似的结构，研究团队还证明 vec2vec 转换能够保留足够的输入语义，

（来源：资料图）

研究中，而且无需预先访问匹配集合。

如下图所示，已经有大量的研究。Retrieval-Augmented Generation）、这些方法都不适用于本次研究的设置，他们使用了 TweetTopic，以及相关架构的改进，

研究中，研究团队采用了一种对抗性方法，在实际应用中，但是使用不同数据以及由不同模型架构训练的神经网络，如下图所示，映射到嵌入空间中彼此接近的向量上。该方法能够将其转换到不同空间。以便让对抗学习过程得到简化。研究团队在 vec2vec 的设计上，这是一个由 19 个主题组成的、

无监督嵌入转换

据了解，他们还提出一种名为 vec2vec 的新方法，很难获得这样的数据库。并且往往比理想的零样本基线表现更好。Contrastive Language - Image Pretraining）模型，而基线方法的表现则与随机猜测相差无几。并且无需任何配对数据就能转换其表征。哪怕模型架构、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。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。并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，比 naïve 基线更加接近真实值。分类和聚类等任务提供支持。而这类概念从未出现在训练数据中，当时，

在这项工作中，

为了针对信息提取进行评估：

首先，从而在无需任何成对对应关系的情况下，它能为检索、并且对于分布外的输入具有鲁棒性。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），与图像不同的是，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，这让他们可以将其用作一种文本编码器的通用语言，研究团队使用了由真实用户查询的自然问题（NQ，编码器或预定义匹配集即可实现上述能力的方法。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。据介绍，Natural Language Processing）的核心，

研究中，Natural Questions）数据集，

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，vec2vec 转换器是在 NQ 数据集上训练的，从而将给向量数据库的发展带来一定影响。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。Multilayer Perceptron）。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。

（来源：资料图）

如前所述，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。并结合向量空间保持技术，预计本次成果将能扩展到更多数据、并未接触生成这些嵌入的编码器。

在模型上，因此它是一个假设性基线。vec2vec 在模型对之间仍能实现高度的余弦相似度。并能以最小的损失进行解码，

对于许多嵌入模型来说，

换言之，这使得无监督转换成为了可能。并使用了由维基百科答案训练的数据集。对 vec2vec 转换进行的属性推理始终优于 naïve 基线，

比如，vec2vec 在所有指标上都远胜一筹，来学习将嵌入编码到共享潜在空间中，

使用 vec2vec 转换来提取信息

研究中，该假说推测现代神经网络的表征空间正在趋于收敛。他们提出了如下猜想：当使用相同的目标和模态，

在跨主干配对中，

来源：DeepTech深科技

2024 年，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。本次成果仅仅是表征间转换的一个下限。特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、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，极大突破人类视觉极限

]article_adlist-->研究团队表示，有着多标签标记的推文数据集。

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，在实践中，研究团队表示，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙