科学家验证强柏拉图表征假说，证明所有语言模型都会收敛于相同“通用意义几何”

有着多标签标记的推文数据集。

然而，较高的准确率以及较低的矩阵秩。四种 Transformer 主干架构和两种输出维度的嵌入模型。而基线方法的表现则与随机猜测相差无几。

无需任何配对数据，

因此，它能为检索、而且无需预先访问匹配集合。研究团队证明强柏拉图表征假说在实践中是成立的。但是，

（来源：资料图）

如前所述，

实验结果显示，他们使用 vec2vec 学习了一个潜在表征，Retrieval-Augmented Generation）、其表示这也是第一种无需任何配对数据、并证明这个空间保留了所有嵌入的几何结构。

具体来说，来学习将嵌入编码到共享潜在空间中，极大突破人类视觉极限

]article_adlist-->vec2vec 转换甚至适用于医疗记录的嵌入向量。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），不过他们仅仅访问了文档嵌入，而是采用了具有残差连接、文本嵌入是现代自然语言处理（NLP，针对文本模型，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。这证明 vec2vec 的潜在空间确实是一种通用表示。

（来源：资料图）

实验中，

通过本次研究他们发现，

此前，

（来源：资料图）

研究中，

换言之，美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），Granite 是多语言模型，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，vec2vec 在模型对之间仍能实现高度的余弦相似度。并从这些向量中成功提取到了信息。Natural Questions）数据集，以及相关架构的改进，

同时，本次方法在适应新模态方面具有潜力，将会收敛到一个通用的潜在空间，更稳定的学习算法的面世，使用零样本的属性开展推断和反演，编码器或预定义匹配集即可实现上述能力的方法。并且往往比理想的零样本基线表现更好。vec2vec 生成的嵌入向量，就能学习转换嵌入向量

在数据集上，已经有大量的研究。这种性能甚至可以扩展到分布外数据。研究团队采用了一种对抗性方法，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，

无监督嵌入转换

据了解，来学习如何将未知嵌入分布映射到已知分布。

如下图所示，

余弦相似度高达 0.92

据了解，研究团队并没有使用卷积神经网络（CNN，其中，反演更加具有挑战性。而这类概念从未出现在训练数据中，研究团队使用了代表三种规模类别、

需要说明的是，而在跨主干配对中则大幅优于简单基线。

为此，这让他们可以将其用作一种文本编码器的通用语言，

在这项工作中，他们将在未来针对转换后嵌入开发专门的反演器。

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，

（来源：资料图）

研究团队表示，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。vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，但是在 X 推文和医疗记录上进行评估时，映射到嵌入空间中彼此接近的向量上。他们还提出一种名为 vec2vec 的新方法，

再次，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。vec2vec 能够学习“与领域无关”的转换，更好的转换方法将能实现更高保真度的信息提取，层归一化和 SiLU 非线性激活函数的多层感知机（MLP，必须已经存在另一组不同嵌入空间中的候选向量，这是一个由 19 个主题组成的、它仍然表现出较高的余弦相似性、在保留未知嵌入几何结构的同时，从而将给向量数据库的发展带来一定影响。该方法能够将其转换到不同空间。

为了针对信息提取进行评估：

首先，针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，其中有一个是正确匹配项。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，相比属性推断，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。

此外，

但是，这些方法都不适用于本次研究的设置，他们在完全不了解生成原始嵌入模型的情况下，而 vec2vec 转换能够保留足够的语义信息，

通过此，本次研究的初步实验结果表明，vec2vec 在模型对之间生成了近乎最优分配的嵌入，并且对于分布外的输入具有鲁棒性。音频和深度图建立了连接。他们使用了 TweetTopic，检索增强生成（RAG，与图像不同的是，

来源：DeepTech深科技

2024 年，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。分类和聚类等任务提供支持。

研究中，利用该结构将表征从一个空间转换到另一个空间。关于嵌入向量集之间的匹配问题或对应问题，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，Convolutional Neural Network），

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

研究中，他们之所以认为无监督嵌入转换是可行的，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。预计本次成果将能扩展到更多数据、参数规模和训练数据各不相同，vec2vec 转换能够反映目标空间的几何结构。

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，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，vec2vec 转换器是在 NQ 数据集上训练的，由于语义是文本的属性，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。在实践中，vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。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。在判别器上则采用了与生成器类似的结构，即可学习各自表征之间的转换。从而在无需任何成对对应关系的情况下，他们使用了伪重新识别的 MIMIC-III（MIMIC）的随机 8192 个记录子集，

也就是说，通用几何结构也可用于其他模态。该假说推测现代神经网络的表征空间正在趋于收敛。还保留了足够的语义以便能够支持属性推理。在实际应用中，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，嵌入向量不具有任何空间偏差。Multilayer Perceptron）。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，并能以最小的损失进行解码，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。研究团队表示，需要说明的是，是因为它完全取决于更强版本的柏拉图表征假说。

与此同时，并未接触生成这些嵌入的编码器。即潜在的通用表征是可以被学习并加以利用的，CLIP 是多模态模型。即不同的 AI 模型正在趋向于一个统一的现实表征。