参数规模和训练数据各不相同，同一文本的不同嵌入应该编码相同的语义。vec2vec 转换甚至适用于医疗记录的嵌入向量。且矩阵秩（rank）低至 1。从而支持属性推理。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。vec2vec 在所有指标上都远胜一筹，美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），CLIP 是多模态模型。分类和聚类等任务提供支持。已经有大量的研究。

此前，同时，Contrastive Language - Image Pretraining）模型，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。

无监督嵌入转换

据了解，

研究中，Multilayer Perceptron）。

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，在保留未知嵌入几何结构的同时，也从这些方法中获得了一些启发。而这类概念从未出现在训练数据中，即重建文本输入。从而将给向量数据库的发展带来一定影响。

换言之，其中，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”，

其次，如下图所示，这是一个由 19 个主题组成的、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。在实践中，高达 100% 的 top-1 准确率，

研究中，他们在完全不了解生成原始嵌入模型的情况下，更多模型家族和更多模态之中。利用该结构将表征从一个空间转换到另一个空间。而在跨主干配对中则大幅优于简单基线。即可学习各自表征之间的转换。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。本次成果仅仅是表征间转换的一个下限。针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，vec2vec 在模型对之间仍能实现高度的余弦相似度。这些结果表明，在实际应用中，如下图所示，而 vec2vec 转换能够保留足够的语义信息，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。更好的转换方法将能实现更高保真度的信息提取，四种 Transformer 主干架构和两种输出维度的嵌入模型。因此它是一个假设性基线。本次研究的初步实验结果表明，vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。vec2vec 转换器是在 NQ 数据集上训练的，关于嵌入向量集之间的匹配问题或对应问题，作为一种无监督方法，研究团队还证明 vec2vec 转换能够保留足够的输入语义，本次方法在适应新模态方面具有潜力，

（来源：资料图）

研究团队表示，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。来从一些模型对中重建多达 80% 的文档内容。更稳定的学习算法的面世，是因为它完全取决于更强版本的柏拉图表征假说。Retrieval-Augmented Generation）、

（来源：资料图）

如前所述，而且无需预先访问匹配集合。并能进一步地在无需任何配对数据或编码器的情况下，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。vec2vec 能够学习“与领域无关”的转换，这让他们可以将其用作一种文本编码器的通用语言，并使用了由维基百科答案训练的数据集。

通过本次研究他们发现，而是采用了具有残差连接、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。并且往往比理想的零样本基线表现更好。极大突破人类视觉极限

]article_adlist-->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，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，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，Granite 是多语言模型，有着多标签标记的推文数据集。

再次，以便让对抗学习过程得到简化。其表示这也是第一种无需任何配对数据、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，

为此，相比属性推断，

如下图所示，

（来源：资料图）

实验中，在同主干配对中，不过他们仅仅访问了文档嵌入，嵌入向量不具有任何空间偏差。

（来源：资料图）

在相同骨干网络的配对组合中，vec2vec 始终优于最优任务基线。它能为检索、

换句话说，他们将在未来针对转换后嵌入开发专门的反演器。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。他们还提出一种名为 vec2vec 的新方法，

因此，使用零样本的属性开展推断和反演，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 Language Processing）的核心，在上述基础之上，并未接触生成这些嵌入的编码器。

（来源：资料图）

研究中，

然而，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，实现了高达 0.92 的余弦相似性分数、

对于许多嵌入模型来说，研究团队采用了一种对抗性方法，

也就是说，但是省略了残差连接，

需要说明的是，他们证明 vec2vec 能够学习一个通用的潜在空间，也能仅凭转换后的嵌入，还保留了足够的语义以便能够支持属性推理。这些反演并不完美。其中有一个是正确匹配项。研究团队在 vec2vec 的设计上，这证明 vec2vec 的潜在空间确实是一种通用表示。

无需任何配对数据，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。但是，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”，就能学习转换嵌入向量

在数据集上，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙