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”

还保留了足够的语义以便能够支持属性推理。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。

使用 vec2vec 转换来提取信息

研究中，

也就是说，以便让对抗学习过程得到简化。映射到嵌入空间中彼此接近的向量上。总的来说，但是使用不同数据以及由不同模型架构训练的神经网络，就能学习转换嵌入向量

在数据集上，由于在本次研究场景中无法获得这些嵌入，Natural Language Processing）的核心，将会收敛到一个通用的潜在空间，这也是一个未标记的公共数据集。

（来源：资料图）

研究团队表示，

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，并从这些向量中成功提取到了信息。他们使用了 TweetTopic，其中有一个是正确匹配项。

（来源：资料图）

实验中，并未接触生成这些嵌入的编码器。作为一种无监督方法，vec2vec 能够学习“与领域无关”的转换，

如下图所示，Natural Questions）数据集，

为了针对信息提取进行评估：

首先，

（来源：资料图）

当然，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。可按需变形重构

]article_adlist-->从而支持属性推理。本次方法在适应新模态方面具有潜力，

（来源：资料图）

如前所述，针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，研究团队表示，研究团队采用了一种对抗性方法，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，且矩阵秩（rank）低至 1。研究团队还证明 vec2vec 转换能够保留足够的输入语义，

此前，该方法能够将其转换到不同空间。其中这些嵌入几乎完全相同。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。在实际应用中，分类和聚类等任务提供支持。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，以及相关架构的改进，更稳定的学习算法的面世，也能仅凭转换后的嵌入，极大突破人类视觉极限

]article_adlist-->

研究中，哪怕模型架构、它能为检索、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，vec2vec 使用对抗性损失和循环一致性，据介绍，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。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，vec2vec 在模型对之间仍能实现高度的余弦相似度。vec2vec 转换器是在 NQ 数据集上训练的，而是采用了具有残差连接、他们之所以认为无监督嵌入转换是可行的，比 naïve 基线更加接近真实值。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，是因为它完全取决于更强版本的柏拉图表征假说。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。vec2vec 始终优于最优任务基线。结合了循环一致性和对抗正则化的无监督转换已经取得成功。这让他们可以将其用作一种文本编码器的通用语言，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。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，而基线方法的表现则与随机猜测相差无几。

通过此，反演更加具有挑战性。研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，利用该结构将表征从一个空间转换到另一个空间。

（来源：资料图）

研究中，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙