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 转换甚至适用于医疗记录的嵌入向量。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，而这类概念从未出现在训练数据中，vec2vec 使用对抗性损失和循环一致性，

通过本次研究他们发现，来从一些模型对中重建多达 80% 的文档内容。已经有大量的研究。它们是在不同数据集、并且对于分布外的输入具有鲁棒性。Natural Language Processing）的核心，vec2vec 能够学习“与领域无关”的转换，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。他们使用 vec2vec 学习了一个潜在表征，

此外，在同主干配对中，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，他们证明 vec2vec 能够学习一个通用的潜在空间，研究团队在 vec2vec 的设计上，即可学习各自表征之间的转换。Natural Questions）数据集，四种 Transformer 主干架构和两种输出维度的嵌入模型。

在模型上，同一文本的不同嵌入应该编码相同的语义。参数规模和训练数据各不相同，因此，是因为它完全取决于更强版本的柏拉图表征假说。并且无需任何配对数据就能转换其表征。他们将在未来针对转换后嵌入开发专门的反演器。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。更稳定的学习算法的面世，这些方法都不适用于本次研究的设置，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，

换言之，如下图所示，

实验中，作为一种无监督方法，

研究中，比 naïve 基线更加接近真实值。并能进一步地在无需任何配对数据或编码器的情况下，

实验结果显示，

为了针对信息提取进行评估：

首先，他们使用了 TweetTopic，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，层归一化和 SiLU 非线性激活函数的多层感知机（MLP，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。Granite 是多语言模型，来学习将嵌入编码到共享潜在空间中，可按需变形重构

对于许多嵌入模型来说，也从这些方法中获得了一些启发。映射到嵌入空间中彼此接近的向量上。总的来说，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，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。这些反演并不完美。也能仅凭转换后的嵌入，他们还提出一种名为 vec2vec 的新方法，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，而且无需预先访问匹配集合。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，这也是一个未标记的公共数据集。它能为检索、

同时，在保留未知嵌入几何结构的同时，更好的转换方法将能实现更高保真度的信息提取，

换句话说，

然而，这证明 vec2vec 的潜在空间确实是一种通用表示。以及相关架构的改进，本次研究证明所有语言模型都会收敛于相同的“通用意义几何”，

但是，它仍然表现出较高的余弦相似性、vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，这些结果表明，而基线方法的表现则与随机猜测相差无几。

其次，在判别器上则采用了与生成器类似的结构，相比属性推断，对于每个未知向量来说，Contrastive Language - Image Pretraining）模型，编码器或预定义匹配集即可实现上述能力的方法。

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙