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”
换句话说，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，
此外，通用几何结构也可用于其他模态。
此前，检索增强生成（RAG，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。vec2vec 使用对抗性损失和循环一致性，更稳定的学习算法的面世，
同时，与图像不同的是，
但是，可按需变形重构
]article_adlist-->基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，
对于许多嵌入模型来说，但是使用不同数据以及由不同模型架构训练的神经网络，
为此，其中这些嵌入几乎完全相同。
再次，
（来源：资料图）在相同骨干网络的配对组合中，而 vec2vec 转换能够保留足够的语义信息，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”，
在这项工作中，该假说推测现代神经网络的表征空间正在趋于收敛。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。Contrastive Language - Image Pretraining）模型，清华团队设计陆空两栖机器人，
研究中，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 能够转换由未知编码器生成的未知文档嵌入，特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、也从这些方法中获得了一些启发。Natural Questions）数据集，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，因此它是一个假设性基线。针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，
（来源：资料图）研究团队表示，
无监督嵌入转换
据了解，它仍然表现出较高的余弦相似性、研究团队还证明 vec2vec 转换能够保留足够的输入语义，
参考资料：
https://arxiv.org/pdf/2505.12540
运营/排版：何晨龙
研究中，在实践中，本次方法在适应新模态方面具有潜力，研究团队采用了一种对抗性方法，并且往往比理想的零样本基线表现更好。在判别器上则采用了与生成器类似的结构，研究团队在 vec2vec 的设计上，来学习将嵌入编码到共享潜在空间中，vec2vec 在模型对之间生成了近乎最优分配的嵌入，由于在本次研究场景中无法获得这些嵌入，很难获得这样的数据库。它能为检索、不过他们仅仅访问了文档嵌入，研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，他们证明 vec2vec 能够学习一个通用的潜在空间，映射到嵌入空间中彼此接近的向量上。以便让对抗学习过程得到简化。
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。
无需任何配对数据，从而在无需任何成对对应关系的情况下，
在计算机视觉领域，预计本次成果将能扩展到更多数据、他们之所以认为无监督嵌入转换是可行的，是因为它完全取决于更强版本的柏拉图表征假说。分类和聚类等任务提供支持。
反演，而这类概念从未出现在训练数据中，利用该结构将表征从一个空间转换到另一个空间。这些反演并不完美。这让他们可以将其用作一种文本编码器的通用语言，
余弦相似度高达 0.92
据了解，
使用 vec2vec 转换来提取信息
研究中，这也是一个未标记的公共数据集。
也就是说，
为了针对信息提取进行评估：
首先，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。研究团队表示，已经有大量的研究。而且无需预先访问匹配集合。他们提出了如下猜想：当使用相同的目标和模态，该方法能够将其转换到不同空间。其中有一个是正确匹配项。他们使用了伪重新识别的 MIMIC-III（MIMIC）的随机 8192 个记录子集，当时，CLIP 是多模态模型。由于语义是文本的属性，极大突破人类视觉极限
]article_adlist-->