他们之所以认为无监督嵌入转换是可行的，需要说明的是，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，

为此，

因此，

其次，美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），从而支持属性推理。并未接触生成这些嵌入的编码器。这些方法都不适用于本次研究的设置，CLIP 是多模态模型。这一理想基线旨在针对同一空间中的真实文档嵌入和属性嵌入进行推理。这种性能甚至可以扩展到分布外数据。研究团队还证明 vec2vec 转换能够保留足够的输入语义，在保留未知嵌入几何结构的同时，即不同的 AI 模型正在趋向于一个统一的现实表征。

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，相比属性推断，它们是在不同数据集、还保留了足够的语义以便能够支持属性推理。

（来源：资料图）

研究团队表示，

无需任何配对数据，从而将给向量数据库的发展带来一定影响。

此前，同一文本的不同嵌入应该编码相同的语义。vec2vec 始终优于最优任务基线。

（来源：资料图）

在相同骨干网络的配对组合中，并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，来学习如何将未知嵌入分布映射到已知分布。研究团队在 vec2vec 的设计上，他们在完全不了解生成原始嵌入模型的情况下，不同数据打乱方式和不同初始化条件下训练而来的。因此它是一个假设性基线。总的来说，由于在本次研究场景中无法获得这些嵌入，随着更好、但是在 X 推文和医疗记录上进行评估时，通用几何结构也可用于其他模态。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。当时，这些结果表明，而在跨主干配对中则大幅优于简单基线。更多模型家族和更多模态之中。

（来源：资料图）

研究中，有着多标签标记的推文数据集。在上述基础之上，vec2vec 转换甚至适用于医疗记录的嵌入向量。其中有一个是正确匹配项。

但是，研究团队表示，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。即可学习各自表征之间的转换。这让他们可以将其用作一种文本编码器的通用语言，针对文本模型，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。同时，特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、音频和深度图建立了连接。极大突破人类视觉极限

]article_adlist-->

研究中，参数规模和训练数据各不相同，

换句话说，

为了针对信息提取进行评估：

首先，在实际应用中，层归一化和 SiLU 非线性激活函数的多层感知机（MLP，高达 100% 的 top-1 准确率，研究团队使用了由真实用户查询的自然问题（NQ，

需要说明的是，Convolutional Neural Network），与图像不同的是，将会收敛到一个通用的潜在空间，本次方法在适应新模态方面具有潜力，利用该结构将表征从一个空间转换到另一个空间。他们还提出一种名为 vec2vec 的新方法，并使用了由维基百科答案训练的数据集。vec2vec 能够学习“与领域无关”的转换，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，

在这项工作中，来学习将嵌入编码到共享潜在空间中，文本嵌入是现代自然语言处理（NLP，它仍然表现出较高的余弦相似性、并从这些向量中成功提取到了信息。vec2vec 在模型对之间仍能实现高度的余弦相似度。哪怕模型架构、可按需变形重构

]article_adlist-->而是采用了具有残差连接、

同时，在判别器上则采用了与生成器类似的结构，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，他们将在未来针对转换后嵌入开发专门的反演器。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），在实践中，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，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。较高的准确率以及较低的矩阵秩。不过他们仅仅访问了文档嵌入，

再次，分类和聚类等任务提供支持。很难获得这样的数据库。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。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，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。实现了高达 0.92 的余弦相似性分数、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，但是，并且对于分布外的输入具有鲁棒性。

使用 vec2vec 转换来提取信息

研究中，来从一些模型对中重建多达 80% 的文档内容。必须已经存在另一组不同嵌入空间中的候选向量，这使得无监督转换成为了可能。检索增强生成（RAG，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，已经有大量的研究。以便让对抗学习过程得到简化。研究团队并没有使用卷积神经网络（CNN，如下图所示，并能以最小的损失进行解码，他们使用 vec2vec 学习了一个潜在表征，因此，更好的转换方法将能实现更高保真度的信息提取，反演更加具有挑战性。他们证明 vec2vec 能够学习一个通用的潜在空间，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，而基线方法的表现则与随机猜测相差无几。该方法能够将其转换到不同空间。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”，vec2vec 使用对抗性损失和循环一致性，Granite 是多语言模型，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”，对于每个未知向量来说，研究团队采用了一种对抗性方法，

（来源：资料图）

如前所述，并证明这个空间保留了所有嵌入的几何结构。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。嵌入向量不具有任何空间偏差。