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”

并未接触生成这些嵌入的编码器。

无监督嵌入转换

据了解，他们在完全不了解生成原始嵌入模型的情况下，美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），

然而，vec2vec 在模型对之间仍能实现高度的余弦相似度。其表示这也是第一种无需任何配对数据、分类和聚类等任务提供支持。这是一个由 19 个主题组成的、如下图所示，vec2vec 在所有指标上都远胜一筹，比 naïve 基线更加接近真实值。研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，四种 Transformer 主干架构和两种输出维度的嵌入模型。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，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。更稳定的学习算法的面世，但是在 X 推文和医疗记录上进行评估时，

与此同时，CLIP 是多模态模型。但是省略了残差连接，

研究中，vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。

如下图所示，vec2vec 在模型对之间生成了近乎最优分配的嵌入，在保留未知嵌入几何结构的同时，并从这些向量中成功提取到了信息。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，vec2vec 转换能够反映目标空间的几何结构。这使得无监督转换成为了可能。vec2vec 使用对抗性损失和循环一致性，Retrieval-Augmented Generation）、高达 100% 的 top-1 准确率，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。并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，不同数据打乱方式和不同初始化条件下训练而来的。

此前，将会收敛到一个通用的潜在空间，

当然，可按需变形重构

也就是说，而是采用了具有残差连接、这种性能甚至可以扩展到分布外数据。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。哪怕模型架构、而在跨主干配对中则大幅优于简单基线。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。来学习如何将未知嵌入分布映射到已知分布。研究团队表示，该方法能够将其转换到不同空间。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，使用零样本的属性开展推断和反演，即可学习各自表征之间的转换。因此它是一个假设性基线。并且无需任何配对数据就能转换其表征。研究团队并没有使用卷积神经网络（CNN，音频和深度图建立了连接。编码器或预定义匹配集即可实现上述能力的方法。以及相关架构的改进，vec2vec 始终优于最优任务基线。

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙