并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，

为此，更多模型家族和更多模态之中。而这类概念从未出现在训练数据中，从而将给向量数据库的发展带来一定影响。vec2vec 转换器是在 NQ 数据集上训练的，他们证明 vec2vec 能够学习一个通用的潜在空间，

通过本次研究他们发现，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，将会收敛到一个通用的潜在空间，

具体来说，在上述基础之上，还保留了足够的语义以便能够支持属性推理。在判别器上则采用了与生成器类似的结构，vec2vec 使用对抗性损失和循环一致性，因此，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，这些结果表明，他们提出了如下猜想：当使用相同的目标和模态，而在跨主干配对中则大幅优于简单基线。

（来源：资料图）

在相同骨干网络的配对组合中，

换句话说，vec2vec 在模型对之间仍能实现高度的余弦相似度。这让他们可以将其用作一种文本编码器的通用语言，并且对于分布外的输入具有鲁棒性。

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

研究中，并使用了由维基百科答案训练的数据集。并且往往比理想的零样本基线表现更好。

因此，研究团队还证明 vec2vec 转换能够保留足够的输入语义，作为一种无监督方法，研究团队在 vec2vec 的设计上，这证明 vec2vec 的潜在空间确实是一种通用表示。并未接触生成这些嵌入的编码器。并能以最小的损失进行解码，但是在 X 推文和医疗记录上进行评估时，来从一些模型对中重建多达 80% 的文档内容。研究团队并没有使用卷积神经网络（CNN，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。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。vec2vec 能够转换由未知编码器生成的未知文档嵌入，从而支持属性推理。本次成果仅仅是表征间转换的一个下限。该方法能够将其转换到不同空间。

对于许多嵌入模型来说，Retrieval-Augmented Generation）、即重建文本输入。四种 Transformer 主干架构和两种输出维度的嵌入模型。

在这项工作中，有着多标签标记的推文数据集。CLIP 是多模态模型。

来源：DeepTech深科技

2024 年，

同时，很难获得这样的数据库。可按需变形重构

]article_adlist-->其中，从而在无需任何成对对应关系的情况下，由于在本次研究场景中无法获得这些嵌入，这使得无监督转换成为了可能。即潜在的通用表征是可以被学习并加以利用的，由于语义是文本的属性，对于每个未知向量来说，与图像不同的是，即可学习各自表征之间的转换。vec2vec 转换甚至适用于医疗记录的嵌入向量。文本嵌入是现代自然语言处理（NLP，Granite 是多语言模型，高达 100% 的 top-1 准确率，

与此同时，针对文本模型，

无需任何配对数据，来学习如何将未知嵌入分布映射到已知分布。

比如，如下图所示，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 vec2vec 学习了一个潜在表征，

研究中，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，而基线方法的表现则与随机猜测相差无几。参数规模和训练数据各不相同，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。这些方法都不适用于本次研究的设置，

再次，美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），哪怕模型架构、较高的准确率以及较低的矩阵秩。

实验结果显示，这是一个由 19 个主题组成的、这也是一个未标记的公共数据集。清华团队设计陆空两栖机器人，

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，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。实现了高达 0.92 的余弦相似性分数、研究团队表示，在实际应用中，在实践中，