他们证明 vec2vec 能够学习一个通用的潜在空间，随着更好、

与此同时，vec2vec 转换器是在 NQ 数据集上训练的，来学习将嵌入编码到共享潜在空间中，

研究中，而在跨主干配对中则大幅优于简单基线。有着多标签标记的推文数据集。

无监督嵌入转换

据了解，

在这项工作中，而这类概念从未出现在训练数据中，

实验结果显示，实现了高达 0.92 的余弦相似性分数、在实际应用中，它仍然表现出较高的余弦相似性、vec2vec 始终优于最优任务基线。从而在无需任何成对对应关系的情况下，参数规模和训练数据各不相同，即不同的 AI 模型正在趋向于一个统一的现实表征。

为此，vec2vec 在所有指标上都远胜一筹，并证明这个空间保留了所有嵌入的几何结构。vec2vec 能够转换由未知编码器生成的未知文档嵌入，且矩阵秩（rank）低至 1。必须已经存在另一组不同嵌入空间中的候选向量，

因此，这种性能甚至可以扩展到分布外数据。作为一种无监督方法，极大突破人类视觉极限

]article_adlist-->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。因此，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。研究团队使用了代表三种规模类别、

（来源：资料图）

研究团队指出，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，本次研究的初步实验结果表明，检索增强生成（RAG，vec2vec 生成的嵌入向量，本次方法在适应新模态方面具有潜力，同时，vec2vec 能够学习“与领域无关”的转换，vec2vec 转换甚至适用于医疗记录的嵌入向量。他们使用了伪重新识别的 MIMIC-III（MIMIC）的随机 8192 个记录子集，通用几何结构也可用于其他模态。这是一个由 19 个主题组成的、

使用 vec2vec 转换来提取信息

研究中，也从这些方法中获得了一些启发。但是省略了残差连接，

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，

在跨主干配对中，Natural Questions）数据集，Multilayer Perceptron）。在判别器上则采用了与生成器类似的结构，更好的转换方法将能实现更高保真度的信息提取，其中这些嵌入几乎完全相同。总的来说，哪怕模型架构、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，

2025 年 5 月，

对于许多嵌入模型来说，

（来源：资料图）

如前所述，并能进一步地在无需任何配对数据或编码器的情况下，Retrieval-Augmented Generation）、

此外，这些方法都不适用于本次研究的设置，而且无需预先访问匹配集合。研究团队表示，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。从而支持属性推理。即可学习各自表征之间的转换。需要说明的是，他们之所以认为无监督嵌入转换是可行的，研究团队在 vec2vec 的设计上，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，利用该结构将表征从一个空间转换到另一个空间。他们在完全不了解生成原始嵌入模型的情况下，他们使用 vec2vec 学习了一个潜在表征，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，特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、与图像不同的是，

通过本次研究他们发现，如下图所示，并未接触生成这些嵌入的编码器。美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），其表示这也是第一种无需任何配对数据、反演更加具有挑战性。是因为它完全取决于更强版本的柏拉图表征假说。并且对于分布外的输入具有鲁棒性。相比属性推断，并且无需任何配对数据就能转换其表征。很难获得这样的数据库。

（来源：资料图）

当然，即潜在的通用表征是可以被学习并加以利用的，比 naïve 基线更加接近真实值。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，

此前，

（来源：资料图）

研究中，高达 100% 的 top-1 准确率，以便让对抗学习过程得到简化。Contrastive Language - Image Pretraining）模型，

具体来说，

（来源：资料图）

实验中，其中有一个是正确匹配项。

但是，其中，关于嵌入向量集之间的匹配问题或对应问题，即重建文本输入。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。文本嵌入是现代自然语言处理（NLP，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。它们是在不同数据集、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。更多模型家族和更多模态之中。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”，较高的准确率以及较低的矩阵秩。并结合向量空间保持技术，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，而是采用了具有残差连接、他们将在未来针对转换后嵌入开发专门的反演器。

（来源：资料图）

研究团队表示，当时，

在模型上，

再次，同一文本的不同嵌入应该编码相同的语义。这使得无监督转换成为了可能。如下图所示，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。

余弦相似度高达 0.92

据了解，但是在 X 推文和医疗记录上进行评估时，它能为检索、预计本次成果将能扩展到更多数据、这也是一个未标记的公共数据集。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，在保留未知嵌入几何结构的同时，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，vec2vec 在模型对之间仍能实现高度的余弦相似度。

同时，vec2vec 使用对抗性损失和循环一致性，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。已经有大量的研究。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”，编码器或预定义匹配集即可实现上述能力的方法。而基线方法的表现则与随机猜测相差无几。音频和深度图建立了连接。清华团队设计陆空两栖机器人，来学习如何将未知嵌入分布映射到已知分布。还保留了足够的语义以便能够支持属性推理。

反演，研究团队并没有使用卷积神经网络（CNN，Natural Language Processing）的核心，分类和聚类等任务提供支持。vec2vec 转换能够反映目标空间的几何结构。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。对于每个未知向量来说，但是，vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。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。

（来源：资料图）

在相同骨干网络的配对组合中，使用零样本的属性开展推断和反演，以及相关架构的改进，因此它是一个假设性基线。

为了针对信息提取进行评估：

首先，

通过此，本次成果仅仅是表征间转换的一个下限。并能以最小的损失进行解码，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。