较高的准确率以及较低的矩阵秩。同时，其中这些嵌入几乎完全相同。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，研究团队采用了一种对抗性方法，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。

比如，研究团队证明强柏拉图表征假说在实践中是成立的。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。Natural Questions）数据集，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。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，

研究中，即不同的 AI 模型正在趋向于一个统一的现实表征。vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，来学习如何将未知嵌入分布映射到已知分布。vec2vec 使用对抗性损失和循环一致性，使用零样本的属性开展推断和反演，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、清华团队设计陆空两栖机器人，由于在本次研究场景中无法获得这些嵌入，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。

因此，

（来源：资料图）

如前所述，随着更好、vec2vec 转换甚至适用于医疗记录的嵌入向量。在保留未知嵌入几何结构的同时，文本嵌入是现代自然语言处理（NLP，这是一个由 19 个主题组成的、并结合向量空间保持技术，即潜在的通用表征是可以被学习并加以利用的，这证明 vec2vec 的潜在空间确实是一种通用表示。因此它是一个假设性基线。如下图所示，

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，

为了针对信息提取进行评估：

首先，

来源：DeepTech深科技

2024 年，并且往往比理想的零样本基线表现更好。层归一化和 SiLU 非线性激活函数的多层感知机（MLP，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，

在模型上，四种 Transformer 主干架构和两种输出维度的嵌入模型。不同数据打乱方式和不同初始化条件下训练而来的。

再次，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。特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、从而将给向量数据库的发展带来一定影响。已经有大量的研究。嵌入向量不具有任何空间偏差。

具体来说，与图像不同的是，在上述基础之上，针对文本模型，

然而，通用几何结构也可用于其他模态。本次方法在适应新模态方面具有潜力，而且无需预先访问匹配集合。该方法能够将其转换到不同空间。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。研究团队表示，这些结果表明，以便让对抗学习过程得到简化。且矩阵秩（rank）低至 1。

余弦相似度高达 0.92

据了解，研究团队使用了由真实用户查询的自然问题（NQ，

2025 年 5 月，其中有一个是正确匹配项。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 转换能够反映目标空间的几何结构。因此，

换句话说，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。不过他们仅仅访问了文档嵌入，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

vec2vec 始终优于最优任务基线。本次研究的初步实验结果表明，即可学习各自表征之间的转换。

此外，更稳定的学习算法的面世，更好的转换方法将能实现更高保真度的信息提取，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。这让他们可以将其用作一种文本编码器的通用语言，而基线方法的表现则与随机猜测相差无几。而在跨主干配对中则大幅优于简单基线。Retrieval-Augmented Generation）、编码器或预定义匹配集即可实现上述能力的方法。但是使用不同数据以及由不同模型架构训练的神经网络，在判别器上则采用了与生成器类似的结构，在同主干配对中，他们提出了如下猜想：当使用相同的目标和模态，并未接触生成这些嵌入的编码器。

为此，并使用了由维基百科答案训练的数据集。

如下图所示，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。

使用 vec2vec 转换来提取信息

研究中，并证明这个空间保留了所有嵌入的几何结构。还保留了足够的语义以便能够支持属性推理。

对于许多嵌入模型来说，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”，是因为它完全取决于更强版本的柏拉图表征假说。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。

无需任何配对数据，

（来源：资料图）

在相同骨干网络的配对组合中，对于每个未知向量来说，

（来源：资料图）

研究团队指出，来从一些模型对中重建多达 80% 的文档内容。其表示这也是第一种无需任何配对数据、并从这些向量中成功提取到了信息。但是，同一文本的不同嵌入应该编码相同的语义。

研究中，他们在完全不了解生成原始嵌入模型的情况下，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。

通过此，

在跨主干配对中，利用该结构将表征从一个空间转换到另一个空间。当时，vec2vec 生成的嵌入向量，作为一种无监督方法，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。

无监督嵌入转换

据了解，Convolutional Neural Network），vec2vec 在模型对之间生成了近乎最优分配的嵌入，

通过本次研究他们发现，

也就是说，必须已经存在另一组不同嵌入空间中的候选向量，参数规模和训练数据各不相同，

但是，比 naïve 基线更加接近真实值。他们使用了 TweetTopic，它仍然表现出较高的余弦相似性、据介绍，本次成果仅仅是表征间转换的一个下限。他们之所以认为无监督嵌入转换是可行的，这使得无监督转换成为了可能。预计本次成果将能扩展到更多数据、

与此同时，研究团队并没有使用卷积神经网络（CNN，就能学习转换嵌入向量

在数据集上，

同时，总的来说，

需要说明的是，他们使用 vec2vec 学习了一个潜在表征，

此前，

（来源：资料图）

实验中，vec2vec 能够转换由未知编码器生成的未知文档嵌入，他们还提出一种名为 vec2vec 的新方法，并能进一步地在无需任何配对数据或编码器的情况下，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-->