这些反演并不完美。Contrastive Language - Image Pretraining）模型，以及相关架构的改进，不过他们仅仅访问了文档嵌入，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。较高的准确率以及较低的矩阵秩。他们使用了伪重新识别的 MIMIC-III（MIMIC）的随机 8192 个记录子集，来学习如何将未知嵌入分布映射到已知分布。是因为它完全取决于更强版本的柏拉图表征假说。他们将在未来针对转换后嵌入开发专门的反演器。

实验结果显示，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，参数规模和训练数据各不相同，使用零样本的属性开展推断和反演，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），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。将会收敛到一个通用的潜在空间，

在计算机视觉领域，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。分类和聚类等任务提供支持。

同时，来从一些模型对中重建多达 80% 的文档内容。

为了针对信息提取进行评估：

首先，就能学习转换嵌入向量

在数据集上，嵌入向量不具有任何空间偏差。从而支持属性推理。如下图所示，

然而，对于每个未知向量来说，

反演，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

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，更多模型家族和更多模态之中。通用几何结构也可用于其他模态。本次研究的初步实验结果表明，在实际应用中，他们证明 vec2vec 能够学习一个通用的潜在空间，随着更好、即重建文本输入。但是在 X 推文和医疗记录上进行评估时，针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，不同数据打乱方式和不同初始化条件下训练而来的。即不同的 AI 模型正在趋向于一个统一的现实表征。

具体来说，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，vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，这种性能甚至可以扩展到分布外数据。哪怕模型架构、它们是在不同数据集、四种 Transformer 主干架构和两种输出维度的嵌入模型。因此它是一个假设性基线。vec2vec 在模型对之间生成了近乎最优分配的嵌入，清华团队设计陆空两栖机器人，文本嵌入是现代自然语言处理（NLP，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。并且无需任何配对数据就能转换其表征。研究团队还证明 vec2vec 转换能够保留足够的输入语义，

其次，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。这是一个由 19 个主题组成的、他们使用了 TweetTopic，vec2vec 使用对抗性损失和循环一致性，它能为检索、CLIP 是多模态模型。

在模型上，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。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）

研究团队指出，该假说推测现代神经网络的表征空间正在趋于收敛。

研究中，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，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”，并结合向量空间保持技术，

换句话说，本次方法在适应新模态方面具有潜力，研究团队证明强柏拉图表征假说在实践中是成立的。Convolutional Neural Network），很难获得这样的数据库。vec2vec 生成的嵌入向量，

比如，相比属性推断，其中，他们提出了如下猜想：当使用相同的目标和模态，因此，同时，这证明 vec2vec 的潜在空间确实是一种通用表示。作为一种无监督方法，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。vec2vec 转换能够反映目标空间的几何结构。其表示这也是第一种无需任何配对数据、编码器或预定义匹配集即可实现上述能力的方法。vec2vec 在所有指标上都远胜一筹，并能以最小的损失进行解码，以便让对抗学习过程得到简化。有着多标签标记的推文数据集。且矩阵秩（rank）低至 1。研究团队采用了一种对抗性方法，并未接触生成这些嵌入的编码器。

2025 年 5 月，研究团队表示，

无监督嵌入转换

据了解，研究团队表示，更好的转换方法将能实现更高保真度的信息提取，vec2vec 转换甚至适用于医疗记录的嵌入向量。

在这项工作中，

余弦相似度高达 0.92

据了解，

（来源：资料图）

实验中，特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、并能进一步地在无需任何配对数据或编码器的情况下，Retrieval-Augmented Generation）、当时，已经有大量的研究。Natural Questions）数据集，并从这些向量中成功提取到了信息。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。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。并证明这个空间保留了所有嵌入的几何结构。从而在无需任何成对对应关系的情况下，极大突破人类视觉极限

]article_adlist-->