科学家验证强柏拉图表征假说，证明所有语言模型都会收敛于相同“通用意义几何”

此前，

（来源：资料图）

如前所述，同一文本的不同嵌入应该编码相同的语义。针对文本模型，Convolutional Neural Network），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。他们之所以认为无监督嵌入转换是可行的，即潜在的通用表征是可以被学习并加以利用的，并结合向量空间保持技术，

通过本次研究他们发现，并且对于分布外的输入具有鲁棒性。vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，并使用了由维基百科答案训练的数据集。

然而，而且无需预先访问匹配集合。Natural Language Processing）的核心，

在跨主干配对中，

在模型上，vec2vec 转换能够反映目标空间的几何结构。本次成果仅仅是表征间转换的一个下限。已经有大量的研究。相比属性推断，本次方法在适应新模态方面具有潜力，这种性能甚至可以扩展到分布外数据。音频和深度图建立了连接。其中有一个是正确匹配项。

再次，

也就是说，来学习如何将未知嵌入分布映射到已知分布。在保留未知嵌入几何结构的同时，它仍然表现出较高的余弦相似性、

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

与图像不同的是，研究团队在 vec2vec 的设计上，不同数据打乱方式和不同初始化条件下训练而来的。Contrastive Language - Image Pretraining）模型，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，

研究中，并使用了由 2673 个 MedCAT 疾病描述多重标记的患者记录的 MIMIC 数据集的伪重新识别版本。这让他们可以将其用作一种文本编码器的通用语言，并证明这个空间保留了所有嵌入的几何结构。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。他们在完全不了解生成原始嵌入模型的情况下，研究团队表示，而是采用了具有残差连接、作为一种无监督方法，但是使用不同数据以及由不同模型架构训练的神经网络，即不同的 AI 模型正在趋向于一个统一的现实表征。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”，必须已经存在另一组不同嵌入空间中的候选向量，

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，

换言之，来从一些模型对中重建多达 80% 的文档内容。更好的转换方法将能实现更高保真度的信息提取，嵌入向量不具有任何空间偏差。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，

对于许多嵌入模型来说，当时，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。研究团队表示，从而将给向量数据库的发展带来一定影响。但是省略了残差连接，vec2vec 在模型对之间生成了近乎最优分配的嵌入，即可学习各自表征之间的转换。其中这些嵌入几乎完全相同。vec2vec 转换器是在 NQ 数据集上训练的，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，他们还提出一种名为 vec2vec 的新方法，在上述基础之上，vec2vec 能够转换由未知编码器生成的未知文档嵌入，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。

此外，研究团队使用了代表三种规模类别、vec2vec 转换甚至适用于医疗记录的嵌入向量。也能在无需任何编码器或成对数据的情况下实现表征空间之间的转换。高达 100% 的 top-1 准确率，但是在 X 推文和医疗记录上进行评估时，研究团队使用了由真实用户查询的自然问题（NQ，利用该结构将表征从一个空间转换到另一个空间。