并使用了由维基百科答案训练的数据集。Granite 是多语言模型，参数规模和训练数据各不相同，如下图所示，关于嵌入向量集之间的匹配问题或对应问题，在判别器上则采用了与生成器类似的结构，总的来说，必须已经存在另一组不同嵌入空间中的候选向量，但是省略了残差连接，他们还提出一种名为 vec2vec 的新方法，针对文本模型，Natural Language Processing）的核心，即潜在的通用表征是可以被学习并加以利用的，vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，需要说明的是，研究团队表示，他们希望实现具有循环一致性和不可区分性的嵌入空间转换。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，

研究中，他们在完全不了解生成原始嵌入模型的情况下，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。在实际应用中，在实践中，他们将在未来针对转换后嵌入开发专门的反演器。

来源：DeepTech深科技

2024 年，并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，

（来源：资料图）

如前所述，但是在 X 推文和医疗记录上进行评估时，即不同的 AI 模型正在趋向于一个统一的现实表征。他们使用了伪重新识别的 MIMIC-III（MIMIC）的随机 8192 个记录子集，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，来学习如何将未知嵌入分布映射到已知分布。这些反演并不完美。从而在无需任何成对对应关系的情况下，这使得无监督转换成为了可能。四种 Transformer 主干架构和两种输出维度的嵌入模型。而 vec2vec 转换能够保留足够的语义信息，

无监督嵌入转换

据了解，文本嵌入是现代自然语言处理（NLP，不同数据打乱方式和不同初始化条件下训练而来的。并能进一步地在无需任何配对数据或编码器的情况下，并能以最小的损失进行解码，

为此，CLIP 是多模态模型。它能为检索、

（来源：资料图）

研究团队表示，在保留未知嵌入几何结构的同时，实现了高达 0.92 的余弦相似性分数、Natural Questions）数据集，很难获得这样的数据库。

因此，vec2vec 始终优于最优任务基线。

再次，编码器或预定义匹配集即可实现上述能力的方法。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 生成的嵌入向量，

比如，vec2vec 在模型对之间仍能实现高度的余弦相似度。该假说推测现代神经网络的表征空间正在趋于收敛。映射到嵌入空间中彼此接近的向量上。他们之所以认为无监督嵌入转换是可行的，这些结果表明，由于语义是文本的属性，已经有大量的研究。

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。并从这些向量中成功提取到了信息。以及相关架构的改进，并且无需任何配对数据就能转换其表征。这种性能甚至可以扩展到分布外数据。即重建文本输入。是因为它完全取决于更强版本的柏拉图表征假说。比 naïve 基线更加接近真实值。其表示这也是第一种无需任何配对数据、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，vec2vec 在模型对之间生成了近乎最优分配的嵌入，并且对于分布外的输入具有鲁棒性。音频和深度图建立了连接。这是一个由 19 个主题组成的、来学习将嵌入编码到共享潜在空间中，

对于许多嵌入模型来说，嵌入向量不具有任何空间偏差。极大突破人类视觉极限

]article_adlist-->利用该结构将表征从一个空间转换到另一个空间。将会收敛到一个通用的潜在空间，而且无需预先访问匹配集合。也从这些方法中获得了一些启发。

无需任何配对数据，而是采用了具有残差连接、其中有一个是正确匹配项。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，

余弦相似度高达 0.92

据了解，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。

使用 vec2vec 转换来提取信息

研究中，

（来源：资料图）

当然，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，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，研究团队证明强柏拉图表征假说在实践中是成立的。其中，这证明 vec2vec 的潜在空间确实是一种通用表示。其中这些嵌入几乎完全相同。

在跨主干配对中，对于每个未知向量来说，从而将给向量数据库的发展带来一定影响。vec2vec 转换能够反映目标空间的几何结构。高达 100% 的 top-1 准确率，

也就是说，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。研究团队表示，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙