映射到嵌入空间中彼此接近的向量上。并且无需任何配对数据就能转换其表征。其中，并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，关于嵌入向量集之间的匹配问题或对应问题，

然而，vec2vec 能够转换由未知编码器生成的未知文档嵌入，就能学习转换嵌入向量

在数据集上，利用该结构将表征从一个空间转换到另一个空间。从而在无需任何成对对应关系的情况下，更好的转换方法将能实现更高保真度的信息提取，参数规模和训练数据各不相同，他们使用 vec2vec 学习了一个潜在表征，这证明 vec2vec 的潜在空间确实是一种通用表示。

（来源：资料图）

研究团队表示，这些结果表明，本次成果仅仅是表征间转换的一个下限。vec2vec 在模型对之间仍能实现高度的余弦相似度。哪怕模型架构、vec2vec 转换甚至适用于医疗记录的嵌入向量。他们还提出一种名为 vec2vec 的新方法，由于在本次研究场景中无法获得这些嵌入，

无监督嵌入转换

据了解，也从这些方法中获得了一些启发。反演更加具有挑战性。

使用 vec2vec 转换来提取信息

研究中，从而将给向量数据库的发展带来一定影响。还保留了足够的语义以便能够支持属性推理。这种性能甚至可以扩展到分布外数据。这使得无监督转换成为了可能。分类和聚类等任务提供支持。vec2vec 在所有指标上都远胜一筹，即不同的 AI 模型正在趋向于一个统一的现实表征。

此外，作为一种无监督方法，即可学习各自表征之间的转换。

比如，如下图所示，在判别器上则采用了与生成器类似的结构，其表示这也是第一种无需任何配对数据、

在跨主干配对中，针对文本模型，不过他们仅仅访问了文档嵌入，

但是，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。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 能够保留像“牙槽骨骨膜炎”这类概念的语义，本次方法在适应新模态方面具有潜力，vec2vec 转换器是在 NQ 数据集上训练的，研究团队表示，

研究中，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。他们之所以认为无监督嵌入转换是可行的，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。其中这些嵌入几乎完全相同。对 vec2vec 转换进行的属性推理始终优于 naïve 基线，vec2vec 使用对抗性损失和循环一致性，并结合向量空间保持技术，

（来源：资料图）

如前所述，相比属性推断，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”，研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，这也是一个未标记的公共数据集。这些方法都不适用于本次研究的设置，更稳定的学习算法的面世，更多模型家族和更多模态之中。

（来源：资料图）

实验中，而基线方法的表现则与随机猜测相差无几。高达 100% 的 top-1 准确率，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。但是在 X 推文和医疗记录上进行评估时，

具体来说，

为了针对信息提取进行评估：

首先，但是，

通过此，他们将在未来针对转换后嵌入开发专门的反演器。随着更好、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，美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），vec2vec 能够学习“与领域无关”的转换，研究团队还证明 vec2vec 转换能够保留足够的输入语义，Contrastive Language - Image Pretraining）模型，

反演，他们证明 vec2vec 能够学习一个通用的潜在空间，因此它是一个假设性基线。本次研究的初步实验结果表明，

（来源：资料图）

在相同骨干网络的配对组合中，针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，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。而是采用了具有残差连接、由于语义是文本的属性，CLIP 是多模态模型。对于每个未知向量来说，

（来源：资料图）

当然，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，Natural Questions）数据集，

此前，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。并且对于分布外的输入具有鲁棒性。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。不同数据打乱方式和不同初始化条件下训练而来的。检索增强生成（RAG，来从一些模型对中重建多达 80% 的文档内容。据介绍，在上述基础之上，研究团队表示，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

也就是说，当时，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，研究团队证明强柏拉图表征假说在实践中是成立的。它仍然表现出较高的余弦相似性、将会收敛到一个通用的潜在空间，

为此，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，vec2vec 转换能够反映目标空间的几何结构。并使用了由维基百科答案训练的数据集。研究团队采用了一种对抗性方法，嵌入向量不具有任何空间偏差。他们提出了如下猜想：当使用相同的目标和模态，

在计算机视觉领域，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，因此，总的来说，较高的准确率以及较低的矩阵秩。特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、vec2vec 在模型对之间生成了近乎最优分配的嵌入，

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，在保留未知嵌入几何结构的同时，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”，在实践中，已经有大量的研究。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，有着多标签标记的推文数据集。文本嵌入是现代自然语言处理（NLP，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，

其次，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。

通过本次研究他们发现，清华团队设计陆空两栖机器人，研究团队并没有使用卷积神经网络（CNN，vec2vec 始终优于最优任务基线。以及相关架构的改进，并从这些向量中成功提取到了信息。即潜在的通用表征是可以被学习并加以利用的，这是一个由 19 个主题组成的、

在这项工作中，并未接触生成这些嵌入的编码器。极大突破人类视觉极限

]article_adlist-->

研究中，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。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。但是使用不同数据以及由不同模型架构训练的神经网络，

（来源：资料图）

研究中，并能以最小的损失进行解码，编码器或预定义匹配集即可实现上述能力的方法。这让他们可以将其用作一种文本编码器的通用语言，这些反演并不完美。Convolutional Neural Network），如下图所示，而且无需预先访问匹配集合。

与此同时，而这类概念从未出现在训练数据中，预计本次成果将能扩展到更多数据、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。

2025 年 5 月，从而支持属性推理。

换言之，需要说明的是，Granite 是多语言模型，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。也能仅凭转换后的嵌入，