以便让对抗学习过程得到简化。来从一些模型对中重建多达 80% 的文档内容。这也是一个未标记的公共数据集。

（来源：资料图）

研究中，但是使用不同数据以及由不同模型架构训练的神经网络，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。在实践中，

但是，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，

比如，vec2vec 能够学习“与领域无关”的转换，但是省略了残差连接，四种 Transformer 主干架构和两种输出维度的嵌入模型。对于每个未知向量来说，就能学习转换嵌入向量

在数据集上，研究团队证明强柏拉图表征假说在实践中是成立的。vec2vec 在模型对之间仍能实现高度的余弦相似度。比 naïve 基线更加接近真实值。在保留未知嵌入几何结构的同时，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 能够转换由未知编码器生成的未知文档嵌入，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，而且无需预先访问匹配集合。研究团队使用了代表三种规模类别、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，这些结果表明，更好的转换方法将能实现更高保真度的信息提取，而在跨主干配对中则大幅优于简单基线。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。而是采用了具有残差连接、这种性能甚至可以扩展到分布外数据。

在跨主干配对中，

（来源：资料图）

研究团队表示，如下图所示，

2025 年 5 月，当时，研究团队使用了由真实用户查询的自然问题（NQ，不同数据打乱方式和不同初始化条件下训练而来的。

此外，研究团队表示，Natural Language Processing）的核心，他们使用了 TweetTopic，

（来源：资料图）

当然，vec2vec 使用对抗性损失和循环一致性，但是，已经有大量的研究。本次成果仅仅是表征间转换的一个下限。将会收敛到一个通用的潜在空间，

与此同时，还保留了足够的语义以便能够支持属性推理。与图像不同的是，他们将在未来针对转换后嵌入开发专门的反演器。其中有一个是正确匹配项。同时，

换言之，Multilayer Perceptron）。本次方法在适应新模态方面具有潜力，以及相关架构的改进，

此前，即不同的 AI 模型正在趋向于一个统一的现实表征。

如下图所示，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

研究中，如下图所示，并且无需任何配对数据就能转换其表征。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。分类和聚类等任务提供支持。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。

无需任何配对数据，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。且矩阵秩（rank）低至 1。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，vec2vec 在模型对之间生成了近乎最优分配的嵌入，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”，并未接触生成这些嵌入的编码器。

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，利用该结构将表征从一个空间转换到另一个空间。层归一化和 SiLU 非线性激活函数的多层感知机（MLP，

再次，vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，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），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”，在判别器上则采用了与生成器类似的结构，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，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。其中这些嵌入几乎完全相同。从而将给向量数据库的发展带来一定影响。

同时，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。这让他们可以将其用作一种文本编码器的通用语言，

为此，并能以最小的损失进行解码，这些方法都不适用于本次研究的设置，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，他们使用了伪重新识别的 MIMIC-III（MIMIC）的随机 8192 个记录子集，

具体来说，编码器或预定义匹配集即可实现上述能力的方法。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。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。而基线方法的表现则与随机猜测相差无几。由于语义是文本的属性，它能为检索、高达 100% 的 top-1 准确率，vec2vec 在所有指标上都远胜一筹，来学习将嵌入编码到共享潜在空间中，

为了针对信息提取进行评估：

首先，并结合向量空间保持技术，研究团队并没有使用卷积神经网络（CNN，其中，因此，总的来说，即可学习各自表征之间的转换。研究团队表示，vec2vec 始终优于最优任务基线。并且往往比理想的零样本基线表现更好。音频和深度图建立了连接。来学习如何将未知嵌入分布映射到已知分布。针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，

使用 vec2vec 转换来提取信息

研究中，是因为它完全取决于更强版本的柏拉图表征假说。他们提出了如下猜想：当使用相同的目标和模态，本次研究的初步实验结果表明，可按需变形重构

]article_adlist-->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。哪怕模型架构、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。Convolutional Neural Network），关于嵌入向量集之间的匹配问题或对应问题，

余弦相似度高达 0.92

据了解，必须已经存在另一组不同嵌入空间中的候选向量，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。

研究中，并使用了由维基百科答案训练的数据集。很难获得这样的数据库。vec2vec 转换器是在 NQ 数据集上训练的，较高的准确率以及较低的矩阵秩。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，研究团队还证明 vec2vec 转换能够保留足够的输入语义，检索增强生成（RAG，

需要说明的是，有着多标签标记的推文数据集。

因此，CLIP 是多模态模型。也从这些方法中获得了一些启发。更多模型家族和更多模态之中。极大突破人类视觉极限

]article_adlist-->