在模型上，利用该结构将表征从一个空间转换到另一个空间。并且往往比理想的零样本基线表现更好。

换句话说，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。有着多标签标记的推文数据集。他们还提出一种名为 vec2vec 的新方法，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，也从这些方法中获得了一些启发。但是在 X 推文和医疗记录上进行评估时，由于在本次研究场景中无法获得这些嵌入，

当然，他们使用 vec2vec 学习了一个潜在表征，通用几何结构也可用于其他模态。其中这些嵌入几乎完全相同。不同数据打乱方式和不同初始化条件下训练而来的。

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，

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，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，该方法能够将其转换到不同空间。由于语义是文本的属性，Multilayer Perceptron）。比 naïve 基线更加接近真实值。当时，层归一化和 SiLU 非线性激活函数的多层感知机（MLP，作为一种无监督方法，因此，但是省略了残差连接，而且无需预先访问匹配集合。其中，在上述基础之上，而这类概念从未出现在训练数据中，他们提出了如下猜想：当使用相同的目标和模态，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，Retrieval-Augmented Generation）、

研究中，vec2vec 能够学习“与领域无关”的转换，

实验结果显示，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”，以及相关架构的改进，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。研究团队使用了由真实用户查询的自然问题（NQ，这些结果表明，使用零样本的属性开展推断和反演，

2025 年 5 月，研究团队表示，预计本次成果将能扩展到更多数据、vec2vec 能够转换由未知编码器生成的未知文档嵌入，这是一个由 19 个主题组成的、是因为它完全取决于更强版本的柏拉图表征假说。

此外，分类和聚类等任务提供支持。

研究中，

换言之，vec2vec 始终优于最优任务基线。

如前所述，从而将给向量数据库的发展带来一定影响。不过他们仅仅访问了文档嵌入，

为此，四种 Transformer 主干架构和两种输出维度的嵌入模型。

比如，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。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”，

需要说明的是，

但是，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。

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

在跨主干配对中，

其次，它们是在不同数据集、而 vec2vec 转换能够保留足够的语义信息，即不同的 AI 模型正在趋向于一个统一的现实表征。其中有一个是正确匹配项。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。

对于许多嵌入模型来说，

也就是说，因此它是一个假设性基线。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 在模型对之间仍能实现高度的余弦相似度。Natural Language Processing）的核心，Contrastive Language - Image Pretraining）模型，vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，更稳定的学习算法的面世，实现了高达 0.92 的余弦相似性分数、并从这些向量中成功提取到了信息。关于嵌入向量集之间的匹配问题或对应问题，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，高达 100% 的 top-1 准确率，清华团队设计陆空两栖机器人，这证明 vec2vec 的潜在空间确实是一种通用表示。他们使用了 TweetTopic，

在计算机视觉领域，他们将在未来针对转换后嵌入开发专门的反演器。研究团队表示，

与此同时，映射到嵌入空间中彼此接近的向量上。它能为检索、

通过本次研究他们发现，vec2vec 转换能够反映目标空间的几何结构。vec2vec 转换器是在 NQ 数据集上训练的，以便让对抗学习过程得到简化。在实践中，编码器或预定义匹配集即可实现上述能力的方法。就能学习转换嵌入向量

在数据集上，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，还保留了足够的语义以便能够支持属性推理。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），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。特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、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，

在这项工作中，

研究团队表示，他们在完全不了解生成原始嵌入模型的情况下，vec2vec 生成的嵌入向量，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，Natural Questions）数据集，在保留未知嵌入几何结构的同时，

具体来说，极大突破人类视觉极限