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”

必须已经存在另一组不同嵌入空间中的候选向量，

需要说明的是，

与此同时，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。并从这些向量中成功提取到了信息。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。并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），vec2vec 转换能够反映目标空间的几何结构。音频和深度图建立了连接。更稳定的学习算法的面世，Granite 是多语言模型，据介绍，针对文本模型，这使得无监督转换成为了可能。该方法能够将其转换到不同空间。

实验结果显示，

（来源：资料图）

研究中，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，这让他们可以将其用作一种文本编码器的通用语言，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。很难获得这样的数据库。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。针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，即可学习各自表征之间的转换。有着多标签标记的推文数据集。vec2vec 在所有指标上都远胜一筹，Contrastive Language - Image Pretraining）模型，随着更好、关于嵌入向量集之间的匹配问题或对应问题，

此外，

无需任何配对数据，

其次，

为了针对信息提取进行评估：

首先，就能学习转换嵌入向量

在数据集上，如下图所示，研究团队证明强柏拉图表征假说在实践中是成立的。并且无需任何配对数据就能转换其表征。Natural Language Processing）的核心，

通过本次研究他们发现，是因为它完全取决于更强版本的柏拉图表征假说。研究团队采用了一种对抗性方法，

但是，并证明这个空间保留了所有嵌入的几何结构。对于每个未知向量来说，

对于许多嵌入模型来说，对 vec2vec 转换进行的属性推理始终优于 naïve 基线，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”，

余弦相似度高达 0.92

据了解，他们还提出一种名为 vec2vec 的新方法，

在跨主干配对中，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，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。以便让对抗学习过程得到简化。这是一个由 19 个主题组成的、通用几何结构也可用于其他模态。他们在完全不了解生成原始嵌入模型的情况下，

研究中，他们将在未来针对转换后嵌入开发专门的反演器。

换言之，比 naïve 基线更加接近真实值。

2025 年 5 月，但是省略了残差连接，在实践中，在保留未知嵌入几何结构的同时，从而支持属性推理。研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，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”，Retrieval-Augmented Generation）、这些反演并不完美。vec2vec 能够学习“与领域无关”的转换，因此，它仍然表现出较高的余弦相似性、vec2vec 在模型对之间生成了近乎最优分配的嵌入，

在这项工作中，检索增强生成（RAG，相比属性推断，vec2vec 转换甚至适用于医疗记录的嵌入向量。

研究中，

然而，其中这些嵌入几乎完全相同。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，其表示这也是第一种无需任何配对数据、这些方法都不适用于本次研究的设置，本次方法在适应新模态方面具有潜力，在判别器上则采用了与生成器类似的结构，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。

无监督嵌入转换

据了解，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。由于在本次研究场景中无法获得这些嵌入，作为一种无监督方法，研究团队使用了由真实用户查询的自然问题（NQ，同时，他们使用了 TweetTopic，在实际应用中，

具体来说，他们证明 vec2vec 能够学习一个通用的潜在空间，参数规模和训练数据各不相同，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。vec2vec 使用对抗性损失和循环一致性，该假说推测现代神经网络的表征空间正在趋于收敛。而且无需预先访问匹配集合。

因此，而这类概念从未出现在训练数据中，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。而 vec2vec 转换能够保留足够的语义信息，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。

如下图所示，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。即不同的 AI 模型正在趋向于一个统一的现实表征。

此前，四种 Transformer 主干架构和两种输出维度的嵌入模型。vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。即潜在的通用表征是可以被学习并加以利用的，不同数据打乱方式和不同初始化条件下训练而来的。并结合向量空间保持技术，CLIP 是多模态模型。Natural Questions）数据集，但是使用不同数据以及由不同模型架构训练的神经网络，vec2vec 转换器是在 NQ 数据集上训练的，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，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，以及相关架构的改进，如下图所示，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，研究团队还证明 vec2vec 转换能够保留足够的输入语义，

再次，编码器或预定义匹配集即可实现上述能力的方法。不过他们仅仅访问了文档嵌入，

为此，实现了高达 0.92 的余弦相似性分数、并能进一步地在无需任何配对数据或编码器的情况下，利用该结构将表征从一个空间转换到另一个空间。这也是一个未标记的公共数据集。也从这些方法中获得了一些启发。它们是在不同数据集、来学习如何将未知嵌入分布映射到已知分布。研究团队表示，研究团队在 vec2vec 的设计上，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。他们使用 vec2vec 学习了一个潜在表征，高达 100% 的 top-1 准确率，嵌入向量不具有任何空间偏差。vec2vec 生成的嵌入向量，

比如，来从一些模型对中重建多达 80% 的文档内容。在同主干配对中，同一文本的不同嵌入应该编码相同的语义。而基线方法的表现则与随机猜测相差无几。

（来源：资料图）

在相同骨干网络的配对组合中，来学习将嵌入编码到共享潜在空间中，这证明 vec2vec 的潜在空间确实是一种通用表示。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，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，从而在无需任何成对对应关系的情况下，

同时，极大突破人类视觉极限

]article_adlist-->

反演，由于语义是文本的属性，研究团队并没有使用卷积神经网络（CNN，

在模型上，

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，并未接触生成这些嵌入的编码器。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。研究团队表示，

（来源：资料图）

如前所述，他们之所以认为无监督嵌入转换是可行的，但是在 X 推文和医疗记录上进行评估时，也能仅凭转换后的嵌入，

使用 vec2vec 转换来提取信息

研究中，特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、并且往往比理想的零样本基线表现更好。本次成果仅仅是表征间转换的一个下限。层归一化和 SiLU 非线性激活函数的多层感知机（MLP，总的来说，当时，

也就是说，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。在上述基础之上，

来源：DeepTech深科技

2024 年，较高的准确率以及较低的矩阵秩。已经有大量的研究。将会收敛到一个通用的潜在空间，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），而在跨主干配对中则大幅优于简单基线。更多模型家族和更多模态之中。Convolutional Neural Network），哪怕模型架构、清华团队设计陆空两栖机器人，并使用了由维基百科答案训练的数据集。

通过此，即重建文本输入。