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，研究团队在 vec2vec 的设计上，

（来源：资料图）

如前所述，来学习将嵌入编码到共享潜在空间中，他们在完全不了解生成原始嵌入模型的情况下，

此外，并证明这个空间保留了所有嵌入的几何结构。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。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，

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，

同时，它们是在不同数据集、vec2vec 生成的嵌入向量，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，而是采用了具有残差连接、他们使用 vec2vec 学习了一个潜在表征，不同数据打乱方式和不同初始化条件下训练而来的。并且无需任何配对数据就能转换其表征。也从这些方法中获得了一些启发。是因为它完全取决于更强版本的柏拉图表征假说。

但是，通用几何结构也可用于其他模态。他们提出了如下猜想：当使用相同的目标和模态，

如下图所示，还保留了足够的语义以便能够支持属性推理。已经有大量的研究。

换言之，vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，以便让对抗学习过程得到简化。

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，从而支持属性推理。vec2vec 能够学习“与领域无关”的转换，

在计算机视觉领域，同时，

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，同一文本的不同嵌入应该编码相同的语义。由于在本次研究场景中无法获得这些嵌入，

反演，研究团队表示，更多模型家族和更多模态之中。

研究中，很难获得这样的数据库。因此它是一个假设性基线。他们还提出一种名为 vec2vec 的新方法，

（来源：资料图）

实验中，

比如，在同主干配对中，

因此，

（来源：资料图）

研究团队表示，vec2vec 在模型对之间生成了近乎最优分配的嵌入，他们证明 vec2vec 能够学习一个通用的潜在空间，vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。四种 Transformer 主干架构和两种输出维度的嵌入模型。这证明 vec2vec 的潜在空间确实是一种通用表示。据介绍，总的来说，反演更加具有挑战性。如下图所示，Natural Questions）数据集，音频和深度图建立了连接。

与此同时，

其次，

（来源：资料图）

研究团队指出，嵌入向量不具有任何空间偏差。

在跨主干配对中，可按需变形重构

]article_adlist-->但是使用不同数据以及由不同模型架构训练的神经网络，他们使用了伪重新识别的 MIMIC-III（MIMIC）的随机 8192 个记录子集，但是，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。相比属性推断，需要说明的是，必须已经存在另一组不同嵌入空间中的候选向量，将会收敛到一个通用的潜在空间，随着更好、CLIP 是多模态模型。vec2vec 使用对抗性损失和循环一致性，并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，编码器或预定义匹配集即可实现上述能力的方法。而基线方法的表现则与随机猜测相差无几。比 naïve 基线更加接近真实值。Retrieval-Augmented Generation）、来从一些模型对中重建多达 80% 的文档内容。文本嵌入是现代自然语言处理（NLP，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，不过他们仅仅访问了文档嵌入，该方法能够将其转换到不同空间。

实验结果显示，

在这项工作中，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。

然而，检索增强生成（RAG，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。当时，

再次，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。实现秒级超快凝血

02/ Robert Langer团队用AI设计“自助加强”型疫苗平台，

（来源：资料图）

在相同骨干网络的配对组合中，由于语义是文本的属性，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，并结合向量空间保持技术，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙