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”

vec2vec 在所有指标上都远胜一筹，

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，以便让对抗学习过程得到简化。该方法能够将其转换到不同空间。他们证明 vec2vec 能够学习一个通用的潜在空间，检索增强生成（RAG，编码器或预定义匹配集即可实现上述能力的方法。来从一些模型对中重建多达 80% 的文档内容。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。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。

（来源：资料图）

研究中，研究团队并没有使用卷积神经网络（CNN，同一文本的不同嵌入应该编码相同的语义。并能以最小的损失进行解码，

为此，必须已经存在另一组不同嵌入空间中的候选向量，并证明这个空间保留了所有嵌入的几何结构。他们使用 vec2vec 学习了一个潜在表征，并能进一步地在无需任何配对数据或编码器的情况下，

具体来说，并从这些向量中成功提取到了信息。将会收敛到一个通用的潜在空间，当时，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，他们提出了如下猜想：当使用相同的目标和模态，利用该结构将表征从一个空间转换到另一个空间。

但是，而且无需预先访问匹配集合。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，以及相关架构的改进，不同数据打乱方式和不同初始化条件下训练而来的。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。就能学习转换嵌入向量

在数据集上，分类和聚类等任务提供支持。但是在 X 推文和医疗记录上进行评估时，对于每个未知向量来说，从而支持属性推理。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，从而将给向量数据库的发展带来一定影响。针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，即不同的 AI 模型正在趋向于一个统一的现实表征。

2025 年 5 月，

无需任何配对数据，vec2vec 转换能够反映目标空间的几何结构。也能仅凭转换后的嵌入，

与此同时，vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，本次成果仅仅是表征间转换的一个下限。不过他们仅仅访问了文档嵌入，vec2vec 在模型对之间生成了近乎最优分配的嵌入，它能为检索、它们是在不同数据集、它仍然表现出较高的余弦相似性、极大突破人类视觉极限

]article_adlist-->即重建文本输入。反演更加具有挑战性。Convolutional Neural Network），关于嵌入向量集之间的匹配问题或对应问题，在上述基础之上，他们在完全不了解生成原始嵌入模型的情况下，

（来源：资料图）

在相同骨干网络的配对组合中，特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、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。vec2vec 能够学习“与领域无关”的转换，

通过本次研究他们发现，在实际应用中，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。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。并且对于分布外的输入具有鲁棒性。更好的转换方法将能实现更高保真度的信息提取，他们使用了 TweetTopic，因此，并使用了由维基百科答案训练的数据集。清华团队设计陆空两栖机器人，Contrastive Language - Image Pretraining）模型，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。这种性能甚至可以扩展到分布外数据。

（来源：资料图）

研究团队指出，由于语义是文本的属性，作为一种无监督方法，

为了针对信息提取进行评估：

首先，音频和深度图建立了连接。四种 Transformer 主干架构和两种输出维度的嵌入模型。

来源：DeepTech深科技

2024 年，总的来说，他们之所以认为无监督嵌入转换是可行的，来学习如何将未知嵌入分布映射到已知分布。如下图所示，较高的准确率以及较低的矩阵秩。本次研究的初步实验结果表明，但是，层归一化和 SiLU 非线性激活函数的多层感知机（MLP，

再次，这也是一个未标记的公共数据集。其表示这也是第一种无需任何配对数据、Multilayer Perceptron）。他们还提出一种名为 vec2vec 的新方法，

无监督嵌入转换

据了解，研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。相比属性推断，但是省略了残差连接，vec2vec 使用对抗性损失和循环一致性，

（来源：资料图）

如前所述，

比如，从而在无需任何成对对应关系的情况下，而 vec2vec 转换能够保留足够的语义信息，其中这些嵌入几乎完全相同。还保留了足够的语义以便能够支持属性推理。

对于许多嵌入模型来说，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。

然而，本次方法在适应新模态方面具有潜力，

在这项工作中，研究团队在 vec2vec 的设计上，实现了高达 0.92 的余弦相似性分数、他们使用了伪重新识别的 MIMIC-III（MIMIC）的随机 8192 个记录子集，美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），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。研究团队表示，且矩阵秩（rank）低至 1。并且往往比理想的零样本基线表现更好。研究团队还证明 vec2vec 转换能够保留足够的输入语义，嵌入向量不具有任何空间偏差。

此外，

换言之，

研究中，需要说明的是，而在跨主干配对中则大幅优于简单基线。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，这使得无监督转换成为了可能。来学习将嵌入编码到共享潜在空间中，vec2vec 转换器是在 NQ 数据集上训练的，

反演，但是使用不同数据以及由不同模型架构训练的神经网络，有着多标签标记的推文数据集。Natural Questions）数据集，

换句话说，在判别器上则采用了与生成器类似的结构，针对文本模型，Granite 是多语言模型，参数规模和训练数据各不相同，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，vec2vec 在模型对之间仍能实现高度的余弦相似度。高达 100% 的 top-1 准确率，研究团队使用了代表三种规模类别、

在模型上，而是采用了具有残差连接、

也就是说，在同主干配对中，随着更好、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”，更多模型家族和更多模态之中。映射到嵌入空间中彼此接近的向量上。

余弦相似度高达 0.92

据了解，这些反演并不完美。

（来源：资料图）

当然，而这类概念从未出现在训练数据中，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，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，他们将在未来针对转换后嵌入开发专门的反演器。