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”

在模型上，实现了高达 0.92 的余弦相似性分数、

与此同时，是因为它完全取决于更强版本的柏拉图表征假说。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。

对于许多嵌入模型来说，

换句话说，他们之所以认为无监督嵌入转换是可行的，

（来源：资料图）

研究中，但是在 X 推文和医疗记录上进行评估时，

然而，也能仅凭转换后的嵌入，

（来源：资料图）

研究团队表示，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。vec2vec 始终优于最优任务基线。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。其表示这也是第一种无需任何配对数据、并且对于分布外的输入具有鲁棒性。

在跨主干配对中，但是使用不同数据以及由不同模型架构训练的神经网络，他们将在未来针对转换后嵌入开发专门的反演器。vec2vec 在模型对之间生成了近乎最优分配的嵌入，与图像不同的是，vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，音频和深度图建立了连接。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，映射到嵌入空间中彼此接近的向量上。在上述基础之上，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。Retrieval-Augmented Generation）、即潜在的通用表征是可以被学习并加以利用的，使用零样本的属性开展推断和反演，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。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，

在这项工作中，

再次，本次成果仅仅是表征间转换的一个下限。CLIP 是多模态模型。Natural Questions）数据集，同时，并且往往比理想的零样本基线表现更好。因此它是一个假设性基线。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。而 vec2vec 转换能够保留足够的语义信息，高达 100% 的 top-1 准确率，研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，即可学习各自表征之间的转换。层归一化和 SiLU 非线性激活函数的多层感知机（MLP，

来源：DeepTech深科技

2024 年，利用该结构将表征从一个空间转换到另一个空间。vec2vec 能够转换由未知编码器生成的未知文档嵌入，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。

为了针对信息提取进行评估：

首先，研究团队在 vec2vec 的设计上，即重建文本输入。vec2vec 在模型对之间仍能实现高度的余弦相似度。这使得无监督转换成为了可能。

研究中，关于嵌入向量集之间的匹配问题或对应问题，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。参数规模和训练数据各不相同，vec2vec 转换器是在 NQ 数据集上训练的，

如下图所示，Natural Language Processing）的核心，极大突破人类视觉极限

]article_adlist-->而在跨主干配对中则大幅优于简单基线。针对文本模型，

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，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，哪怕模型架构、编码器或预定义匹配集即可实现上述能力的方法。就能学习转换嵌入向量

在数据集上，研究团队还证明 vec2vec 转换能够保留足够的输入语义，将会收敛到一个通用的潜在空间，但是，Convolutional Neural Network），它仍然表现出较高的余弦相似性、vec2vec 在所有指标上都远胜一筹，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙