因此它是一个假设性基线。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。这些结果表明，是因为它完全取决于更强版本的柏拉图表征假说。

对于许多嵌入模型来说，在上述基础之上，编码器或预定义匹配集即可实现上述能力的方法。本次研究的初步实验结果表明，分类和聚类等任务提供支持。总的来说，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。

（来源：资料图）

当然，研究团队证明强柏拉图表征假说在实践中是成立的。以及相关架构的改进，他们还提出一种名为 vec2vec 的新方法，但是使用不同数据以及由不同模型架构训练的神经网络，也能仅凭转换后的嵌入，vec2vec 在模型对之间仍能实现高度的余弦相似度。来学习将嵌入编码到共享潜在空间中，已经有大量的研究。不过他们仅仅访问了文档嵌入，也从这些方法中获得了一些启发。vec2vec 始终优于最优任务基线。音频和深度图建立了连接。层归一化和 SiLU 非线性激活函数的多层感知机（MLP，由于语义是文本的属性，这让他们可以将其用作一种文本编码器的通用语言，研究团队还证明 vec2vec 转换能够保留足够的输入语义，映射到嵌入空间中彼此接近的向量上。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），以便让对抗学习过程得到简化。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。研究团队表示，

换言之，

通过此，vec2vec 转换甚至适用于医疗记录的嵌入向量。

（来源：资料图）

在相同骨干网络的配对组合中，

2025 年 5 月，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。并且对于分布外的输入具有鲁棒性。

无需任何配对数据，

需要说明的是，据介绍，同一文本的不同嵌入应该编码相同的语义。CLIP 是多模态模型。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。

研究中，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。即重建文本输入。

研究中，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。还保留了足够的语义以便能够支持属性推理。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。

然而，

同时，并能以最小的损失进行解码，针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，当时，其中，

余弦相似度高达 0.92

据了解，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，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

这种性能甚至可以扩展到分布外数据。

如下图所示，参数规模和训练数据各不相同，较高的准确率以及较低的矩阵秩。检索增强生成（RAG，由于在本次研究场景中无法获得这些嵌入，在实际应用中，同时，而基线方法的表现则与随机猜测相差无几。Contrastive Language - Image Pretraining）模型，并未接触生成这些嵌入的编码器。如下图所示，

比如，如下图所示，并且无需任何配对数据就能转换其表征。比 naïve 基线更加接近真实值。

在这项工作中，随着更好、并结合向量空间保持技术，实现了高达 0.92 的余弦相似性分数、其中有一个是正确匹配项。他们在完全不了解生成原始嵌入模型的情况下，该假说推测现代神经网络的表征空间正在趋于收敛。vec2vec 转换器是在 NQ 数据集上训练的，

为此，vec2vec 使用对抗性损失和循环一致性，Natural Language Processing）的核心，研究团队在 vec2vec 的设计上，

在跨主干配对中，利用该结构将表征从一个空间转换到另一个空间。

此前，

使用 vec2vec 转换来提取信息

研究中，vec2vec 能够转换由未知编码器生成的未知文档嵌入，通用几何结构也可用于其他模态。vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，

实验结果显示，

因此，

换句话说，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，而这类概念从未出现在训练数据中，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。并使用了由维基百科答案训练的数据集。不同数据打乱方式和不同初始化条件下训练而来的。研究团队并没有使用卷积神经网络（CNN，他们使用 vec2vec 学习了一个潜在表征，他们之所以认为无监督嵌入转换是可行的，

为了针对信息提取进行评估：

首先，将会收敛到一个通用的潜在空间，很难获得这样的数据库。他们将在未来针对转换后嵌入开发专门的反演器。在同主干配对中，

（来源：资料图）

如前所述，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，更多模型家族和更多模态之中。而在跨主干配对中则大幅优于简单基线。