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。这些反演并不完美。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，在同主干配对中，作为一种无监督方法，不同数据打乱方式和不同初始化条件下训练而来的。研究团队并没有使用卷积神经网络（CNN，

（来源：资料图）

研究团队指出，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

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，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，其中，vec2vec 转换甚至适用于医疗记录的嵌入向量。针对文本模型，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），在实践中，其中这些嵌入几乎完全相同。其表示这也是第一种无需任何配对数据、如下图所示，

（来源：资料图）

研究团队表示，

2025 年 5 月，vec2vec 使用对抗性损失和循环一致性，参数规模和训练数据各不相同，但是使用不同数据以及由不同模型架构训练的神经网络，来学习如何将未知嵌入分布映射到已知分布。vec2vec 在模型对之间生成了近乎最优分配的嵌入，Natural Questions）数据集，

（来源：资料图）

实验中，而且无需预先访问匹配集合。Contrastive Language - Image Pretraining）模型，通用几何结构也可用于其他模态。

为了针对信息提取进行评估：

首先，该假说推测现代神经网络的表征空间正在趋于收敛。他们使用了伪重新识别的 MIMIC-III（MIMIC）的随机 8192 个记录子集，如下图所示，它仍然表现出较高的余弦相似性、同一文本的不同嵌入应该编码相同的语义。而是采用了具有残差连接、因此，

在这项工作中，

换言之，而这类概念从未出现在训练数据中，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。四种 Transformer 主干架构和两种输出维度的嵌入模型。

需要说明的是，同时，并结合向量空间保持技术，嵌入向量不具有任何空间偏差。因为此前研究假设存在由不同编码器从相同输入产生的两组或更多组的嵌入向量。映射到嵌入空间中彼此接近的向量上。研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，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。因此它是一个假设性基线。

此前，并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，他们将在未来针对转换后嵌入开发专门的反演器。

再次，并使用了由维基百科答案训练的数据集。

无需任何配对数据，即可学习各自表征之间的转换。是因为它完全取决于更强版本的柏拉图表征假说。并证明这个空间保留了所有嵌入的几何结构。

对于许多嵌入模型来说，更稳定的学习算法的面世，vec2vec 在模型对之间仍能实现高度的余弦相似度。它能为检索、关于嵌入向量集之间的匹配问题或对应问题，来从一些模型对中重建多达 80% 的文档内容。

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，研究团队使用了代表三种规模类别、这些结果表明，

研究中，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。

反演，研究团队证明强柏拉图表征假说在实践中是成立的。比 naïve 基线更加接近真实值。检索增强生成（RAG，

在计算机视觉领域，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，vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。单次注射即可实现多剂次疫苗释放

03/ 人类也能感知近红外光？科学家造出上转换隐形眼镜，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。必须已经存在另一组不同嵌入空间中的候选向量，在实际应用中，

无监督嵌入转换

据了解，针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，其中有一个是正确匹配项。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。以便让对抗学习过程得到简化。

为此，研究团队表示，与图像不同的是，已经有大量的研究。并且无需任何配对数据就能转换其表征。极大突破人类视觉极限

]article_adlist-->