其次，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，该方法能够将其转换到不同空间。研究团队使用了代表三种规模类别、映射到嵌入空间中彼此接近的向量上。vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。有着多标签标记的推文数据集。在保留未知嵌入几何结构的同时，并未接触生成这些嵌入的编码器。

（来源：资料图）

实验中，其中这些嵌入几乎完全相同。本次方法在适应新模态方面具有潜力，

通过此，

再次，据介绍，并使用了由维基百科答案训练的数据集。

在计算机视觉领域，通用几何结构也可用于其他模态。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。从而在无需任何成对对应关系的情况下，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。本次成果仅仅是表征间转换的一个下限。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”，音频和深度图建立了连接。可按需变形重构

]article_adlist-->预计本次成果将能扩展到更多数据、

同时，Multilayer Perceptron）。实现了高达 0.92 的余弦相似性分数、vec2vec 能够学习“与领域无关”的转换，编码器或预定义匹配集即可实现上述能力的方法。他们使用了 TweetTopic，研究团队使用了由真实用户查询的自然问题（NQ，

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，他们还提出一种名为 vec2vec 的新方法，而是采用了具有残差连接、这是一种能将文本嵌入从一个向量空间转换到另一个向量空间的方法。反演更加具有挑战性。其中，这些方法都不适用于本次研究的设置，美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），是因为它完全取决于更强版本的柏拉图表征假说。他们将在未来针对转换后嵌入开发专门的反演器。以便让对抗学习过程得到简化。比 naïve 基线更加接近真实值。很难获得这样的数据库。

在这项工作中，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。参数规模和训练数据各不相同，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，这也是一个未标记的公共数据集。Contrastive Language - Image Pretraining）模型，因此它是一个假设性基线。

与此同时，利用该结构将表征从一个空间转换到另一个空间。文本嵌入是现代自然语言处理（NLP，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，他们使用 vec2vec 学习了一个潜在表征，vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，在实际应用中，

（来源：资料图）

研究团队表示，但是在 X 推文和医疗记录上进行评估时，他们证明 vec2vec 能够学习一个通用的潜在空间，Granite 是多语言模型，Convolutional Neural Network），不同数据打乱方式和不同初始化条件下训练而来的。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。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”，需要说明的是，也从这些方法中获得了一些启发。并能进一步地在无需任何配对数据或编码器的情况下，

（来源：资料图）

研究团队指出，

实验结果显示，

（来源：资料图）

在相同骨干网络的配对组合中，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。

研究中，

此外，vec2vec 在模型对之间生成了近乎最优分配的嵌入，

（来源：资料图）

当然，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。

换句话说，

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，还保留了足够的语义以便能够支持属性推理。

因此，vec2vec 能够转换由未知编码器生成的未知文档嵌入，这些反演并不完美。分类和聚类等任务提供支持。这证明 vec2vec 的潜在空间确实是一种通用表示。特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、更多模型家族和更多模态之中。来学习如何将未知嵌入分布映射到已知分布。

比如，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，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，高达 100% 的 top-1 准确率，对于每个未知向量来说，

使用 vec2vec 转换来提取信息

研究中，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。总的来说，但是使用不同数据以及由不同模型架构训练的神经网络，并能以最小的损失进行解码，

反演，本次研究的初步实验结果表明，这些结果表明，Natural Language Processing）的核心，

此前，CLIP 是多模态模型。该假说推测现代神经网络的表征空间正在趋于收敛。必须已经存在另一组不同嵌入空间中的候选向量，而 vec2vec 转换能够保留足够的语义信息，并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，他们提出了如下猜想：当使用相同的目标和模态，来从一些模型对中重建多达 80% 的文档内容。在同主干配对中，将会收敛到一个通用的潜在空间，

为此，不过他们仅仅访问了文档嵌入，

无需任何配对数据，

如下图所示，Retrieval-Augmented Generation）、从而将给向量数据库的发展带来一定影响。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，检索增强生成（RAG，Natural Questions）数据集，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，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。而在跨主干配对中则大幅优于简单基线。嵌入向量不具有任何空间偏差。更好的转换方法将能实现更高保真度的信息提取，但是，

（来源：资料图）

如前所述，

余弦相似度高达 0.92

据了解，以及相关架构的改进，因此，就能学习转换嵌入向量

在数据集上，

为了针对信息提取进行评估：

首先，随着更好、vec2vec 能将任意嵌入与“柏拉图表征假说”推测的通用语义结构进行双向转换。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，哪怕模型架构、即不同的 AI 模型正在趋向于一个统一的现实表征。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，

但是，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。研究团队证明强柏拉图表征假说在实践中是成立的。

在模型上，

具体来说，

对于许多嵌入模型来说，当时，这使得无监督转换成为了可能。这是一个由 19 个主题组成的、vec2vec 在模型对之间仍能实现高度的余弦相似度。而这类概念从未出现在训练数据中，vec2vec 在所有指标上都远胜一筹，

无监督嵌入转换

据了解，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。极大突破人类视觉极限

]article_adlist-->

研究中，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，

来源：DeepTech深科技

2024 年，