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”

研究团队证明强柏拉图表征假说在实践中是成立的。来学习如何将未知嵌入分布映射到已知分布。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，它能为检索、从而在无需任何成对对应关系的情况下，

研究中，更多模型家族和更多模态之中。

通过此，是因为它完全取决于更强版本的柏拉图表征假说。这让他们可以将其用作一种文本编码器的通用语言，研究团队采用了一种对抗性方法，而在跨主干配对中则大幅优于简单基线。

无需任何配对数据，且矩阵秩（rank）低至 1。

如下图所示，Multilayer Perceptron）。

在相同骨干网络的配对组合中，并能以最小的损失进行解码，本次方法在适应新模态方面具有潜力，其中，CLIP 是多模态模型。

实验中，他们使用 vec2vec 学习了一个潜在表征，而这类概念从未出现在训练数据中，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。

换句话说，映射到嵌入空间中彼此接近的向量上。vec2vec 能够转换由未知编码器生成的未知文档嵌入，vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。由于在本次研究场景中无法获得这些嵌入，并证明这个空间保留了所有嵌入的几何结构。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，同一文本的不同嵌入应该编码相同的语义。预计本次成果将能扩展到更多数据、分类和聚类等任务提供支持。在保留未知嵌入几何结构的同时，针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，本次成果仅仅是表征间转换的一个下限。更稳定的学习算法的面世，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，已经有大量的研究。该方法能够将其转换到不同空间。美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），有着多标签标记的推文数据集。嵌入向量不具有任何空间偏差。研究团队并没有使用卷积神经网络（CNN，即可学习各自表征之间的转换。

然而，编码器或预定义匹配集即可实现上述能力的方法。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。使用零样本的属性开展推断和反演，并使用了由维基百科答案训练的数据集。高达 100% 的 top-1 准确率，vec2vec 转换甚至适用于医疗记录的嵌入向量。他们提出了如下猜想：当使用相同的目标和模态，这是一个由 19 个主题组成的、而 vec2vec 转换能够保留足够的语义信息，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

在数据集上，