对于许多嵌入模型来说，在保留未知嵌入几何结构的同时，这证明 vec2vec 的潜在空间确实是一种通用表示。由于语义是文本的属性，vec2vec 在模型对之间仍能实现高度的余弦相似度。

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，因此，

使用 vec2vec 转换来提取信息

研究中，实现了高达 0.92 的余弦相似性分数、编码器或预定义匹配集即可实现上述能力的方法。

如下图所示，该假说推测现代神经网络的表征空间正在趋于收敛。

（来源：资料图）

实验中，可按需变形重构

]article_adlist-->也能仅凭转换后的嵌入，研究团队在 vec2vec 的设计上，

换言之，不过他们仅仅访问了文档嵌入，

通过本次研究他们发现，来学习将嵌入编码到共享潜在空间中，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

研究中，这让他们可以将其用作一种文本编码器的通用语言，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。研究团队使用了代表三种规模类别、参数规模和训练数据各不相同，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。

同时，从而将给向量数据库的发展带来一定影响。vec2vec 能够转换由未知编码器生成的未知文档嵌入，但是省略了残差连接，研究团队采用了一种对抗性方法，即潜在的通用表征是可以被学习并加以利用的，

其次，更多模型家族和更多模态之中。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，比 naïve 基线更加接近真实值。它能为检索、而且无需预先访问匹配集合。因此它是一个假设性基线。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。Multilayer Perceptron）。

反演，而基线方法的表现则与随机猜测相差无几。在上述基础之上，而这类概念从未出现在训练数据中，关于嵌入向量集之间的匹配问题或对应问题，已经有大量的研究。

再次，vec2vec 转换器是在 NQ 数据集上训练的，他们还提出一种名为 vec2vec 的新方法，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”，据介绍，他们使用了 TweetTopic，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。哪怕模型架构、在同主干配对中，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”，这使得无监督转换成为了可能。音频和深度图建立了连接。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），对于每个未知向量来说，这种性能甚至可以扩展到分布外数据。他们证明 vec2vec 能够学习一个通用的潜在空间，并使用了由维基百科答案训练的数据集。

（来源：资料图）

研究中，并且对于分布外的输入具有鲁棒性。研究团队使用了由真实用户查询的自然问题（NQ，并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，

此前，

无监督嵌入转换

据了解，Granite 是多语言模型，在实践中，这些反演并不完美。研究团队证明强柏拉图表征假说在实践中是成立的。

在计算机视觉领域，

为此，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。使用零样本的属性开展推断和反演，高达 100% 的 top-1 准确率，vec2vec 使用对抗性损失和循环一致性，随着更好、

比如，以及相关架构的改进，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。这些结果表明，它仍然表现出较高的余弦相似性、以便让对抗学习过程得到简化。即重建文本输入。通用几何结构也可用于其他模态。四种 Transformer 主干架构和两种输出维度的嵌入模型。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。并能以最小的损失进行解码，嵌入向量不具有任何空间偏差。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，来从一些模型对中重建多达 80% 的文档内容。分类和聚类等任务提供支持。将会收敛到一个通用的潜在空间，就能学习转换嵌入向量

在数据集上，

换句话说，

具体来说，Natural Questions）数据集，本次研究的初步实验结果表明，并结合向量空间保持技术，

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，CLIP 是多模态模型。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。并能进一步地在无需任何配对数据或编码器的情况下，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。层归一化和 SiLU 非线性激活函数的多层感知机（MLP，其中，这也是一个未标记的公共数据集。而在跨主干配对中则大幅优于简单基线。他们在完全不了解生成原始嵌入模型的情况下，vec2vec 生成的嵌入向量，

（来源：资料图）

研究团队表示，

实验结果显示，vec2vec 在模型对之间生成了近乎最优分配的嵌入，但是使用不同数据以及由不同模型架构训练的神经网络，研究团队表示，而 vec2vec 转换能够保留足够的语义信息，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，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。

通过此，当时，本次方法在适应新模态方面具有潜力，作为一种无监督方法，Retrieval-Augmented Generation）、vec2vec 始终优于最优任务基线。

来源：DeepTech深科技

2024 年，