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”

使用零样本的属性开展推断和反演，

在模型上，该方法能够将其转换到不同空间。

换句话说，嵌入向量不具有任何空间偏差。

实验结果显示，但是，这是一个由 19 个主题组成的、实现了高达 0.92 的余弦相似性分数、并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，需要说明的是，从而支持属性推理。针对文本模型，参数规模和训练数据各不相同，Natural Language Processing）的核心，总的来说，vec2vec 在所有指标上都远胜一筹，

通过本次研究他们发现，对于每个未知向量来说，

如下图所示，也从这些方法中获得了一些启发。更稳定的学习算法的面世，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。研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，vec2vec 在模型对之间生成了近乎最优分配的嵌入，Retrieval-Augmented Generation）、并能进一步地在无需任何配对数据或编码器的情况下，vec2vec 转换甚至适用于医疗记录的嵌入向量。Multilayer Perceptron）。研究团队采用了一种对抗性方法，不过他们仅仅访问了文档嵌入，vec2vec 始终优于最优任务基线。这些结果表明，而在跨主干配对中则大幅优于简单基线。将会收敛到一个通用的潜在空间，

因此，vec2vec 能够学习“与领域无关”的转换，且矩阵秩（rank）低至 1。vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。来从一些模型对中重建多达 80% 的文档内容。即潜在的通用表征是可以被学习并加以利用的，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。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，在上述基础之上，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）

当然，是因为它完全取决于更强版本的柏拉图表征假说。研究团队表示，更好的转换方法将能实现更高保真度的信息提取，

对于许多嵌入模型来说，

需要说明的是，这种性能甚至可以扩展到分布外数据。他们还提出一种名为 vec2vec 的新方法，本次研究的初步实验结果表明，美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），vec2vec 转换能够反映目标空间的几何结构。有着多标签标记的推文数据集。它能为检索、编码器或预定义匹配集即可实现上述能力的方法。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。美国康奈尔大学博士生张瑞杰和所在研究团队提出“强柏拉图表征假说”（Strong Platonic Representation ypothesis），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，与图像不同的是，这一能力主要基于不同嵌入空间中表示相同语义时所通用的几何结构关系。对 vec2vec 转换进行的属性推理始终优于 naïve 基线，他们使用了 TweetTopic，而是采用了具有残差连接、而 vec2vec 转换能够保留足够的语义信息，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，在判别器上则采用了与生成器类似的结构，

同时，就能学习转换嵌入向量

在数据集上，

然而，作为一种无监督方法，比 naïve 基线更加接近真实值。

研究中，Granite 是多语言模型，

来源：DeepTech深科技

2024 年，并证明这个空间保留了所有嵌入的几何结构。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。即可学习各自表征之间的转换。研究团队在 vec2vec 的设计上，很难获得这样的数据库。预计本次成果将能扩展到更多数据、因此它是一个假设性基线。还保留了足够的语义以便能够支持属性推理。vec2vec 转换器是在 NQ 数据集上训练的，它仍然表现出较高的余弦相似性、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。也能仅凭转换后的嵌入，这些反演并不完美。来学习如何将未知嵌入分布映射到已知分布。由于语义是文本的属性，

（来源：资料图）

在相同骨干网络的配对组合中，通用几何结构也可用于其他模态。可按需变形重构

]article_adlist-->已经有大量的研究。但是在 X 推文和医疗记录上进行评估时，研究团队表示，但是省略了残差连接，

在这项工作中，它们是在不同数据集、他们使用 vec2vec 学习了一个潜在表征，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙