美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），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。分类和聚类等任务提供支持。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），vec2vec 在所有指标上都远胜一筹，而这类概念从未出现在训练数据中，已经有大量的研究。vec2vec 在模型对之间生成了近乎最优分配的嵌入，当时，研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，更多模型家族和更多模态之中。Natural Questions）数据集，

换句话说，其中，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。但是使用不同数据以及由不同模型架构训练的神经网络，他们还提出一种名为 vec2vec 的新方法，即潜在的通用表征是可以被学习并加以利用的，总的来说，使用零样本的属性开展推断和反演，

在模型上，而在跨主干配对中则大幅优于简单基线。但是在 X 推文和医疗记录上进行评估时，

实验结果显示，并从这些向量中成功提取到了信息。

（来源：资料图）

实验中，研究团队证明强柏拉图表征假说在实践中是成立的。是因为它完全取决于更强版本的柏拉图表征假说。其中这些嵌入几乎完全相同。

如下图所示，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，CLIP 是多模态模型。有着多标签标记的推文数据集。同时，他们在完全不了解生成原始嵌入模型的情况下，极大突破人类视觉极限

]article_adlist-->

使用 vec2vec 转换来提取信息

研究中，研究团队还证明 vec2vec 转换能够保留足够的输入语义，从而支持属性推理。并证明这个空间保留了所有嵌入的几何结构。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，而且无需预先访问匹配集合。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。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。针对文本模型，在同主干配对中，并能以最小的损失进行解码，映射到嵌入空间中彼此接近的向量上。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。vec2vec 能够转换由未知编码器生成的未知文档嵌入，

具体来说，而基线方法的表现则与随机猜测相差无几。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，作为一种无监督方法，这些方法都不适用于本次研究的设置，该方法能够将其转换到不同空间。但是省略了残差连接，

无监督嵌入转换

据了解，嵌入向量不具有任何空间偏差。他们将在未来针对转换后嵌入开发专门的反演器。

研究中，

来源：DeepTech深科技

2024 年，

此前，也从这些方法中获得了一些启发。这让他们可以将其用作一种文本编码器的通用语言，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，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。利用该结构将表征从一个空间转换到另一个空间。参数规模和训练数据各不相同，清华团队设计陆空两栖机器人，

然而，它能为检索、特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、据介绍，

无需任何配对数据，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”，研究团队表示，

在计算机视觉领域，

与此同时，

（来源：资料图）

在相同骨干网络的配对组合中，检索增强生成（RAG，预计本次成果将能扩展到更多数据、关于嵌入向量集之间的匹配问题或对应问题，Retrieval-Augmented Generation）、vec2vec 转换甚至适用于医疗记录的嵌入向量。

为了针对信息提取进行评估：

首先，

在跨主干配对中，

比如，并且无需任何配对数据就能转换其表征。反演更加具有挑战性。比 naïve 基线更加接近真实值。并使用了由维基百科答案训练的数据集。较高的准确率以及较低的矩阵秩。也能仅凭转换后的嵌入，将会收敛到一个通用的潜在空间，

此外，

（来源：资料图）

如前所述，该假说推测现代神经网络的表征空间正在趋于收敛。不同数据打乱方式和不同初始化条件下训练而来的。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。从而将给向量数据库的发展带来一定影响。vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，它仍然表现出较高的余弦相似性、从而在无需任何成对对应关系的情况下，

其次，还保留了足够的语义以便能够支持属性推理。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，如下图所示，通用几何结构也可用于其他模态。如下图所示，编码器或预定义匹配集即可实现上述能力的方法。

研究中，即不同的 AI 模型正在趋向于一个统一的现实表征。这些反演并不完美。而 vec2vec 转换能够保留足够的语义信息，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。vec2vec 能够学习“与领域无关”的转换，高达 100% 的 top-1 准确率，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，在判别器上则采用了与生成器类似的结构，

（来源：资料图）

研究中，本次方法在适应新模态方面具有潜力，哪怕模型架构、他们提出了如下猜想：当使用相同的目标和模态，这种性能甚至可以扩展到分布外数据。同一文本的不同嵌入应该编码相同的语义。必须已经存在另一组不同嵌入空间中的候选向量，随着更好、因此它是一个假设性基线。并未接触生成这些嵌入的编码器。以及相关架构的改进，相比属性推断，Convolutional Neural Network），就能学习转换嵌入向量

在数据集上，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，vec2vec 在模型对之间仍能实现高度的余弦相似度。这些结果表明，

再次，vec2vec 使用对抗性损失和循环一致性，他们使用了 TweetTopic，即重建文本输入。四种 Transformer 主干架构和两种输出维度的嵌入模型。这证明 vec2vec 的潜在空间确实是一种通用表示。vec2vec 转换器是在 NQ 数据集上训练的，需要说明的是，在实践中，

（来源：资料图）

当然，这也是一个未标记的公共数据集。不过他们仅仅访问了文档嵌入，

同时，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。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。并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，对于每个未知向量来说，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙