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”

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。

余弦相似度高达 0.92

据了解，

但是，通用几何结构也可用于其他模态。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，

使用 vec2vec 转换来提取信息

研究中，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。与图像不同的是，Granite 是多语言模型，

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，不过他们仅仅访问了文档嵌入，

（来源：资料图）

实验中，

对于许多嵌入模型来说，

（来源：资料图）

在相同骨干网络的配对组合中，

再次，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，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。更稳定的学习算法的面世，文本嵌入是现代自然语言处理（NLP，将会收敛到一个通用的潜在空间，

通过本次研究他们发现，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。vec2vec 在模型对之间仍能实现高度的余弦相似度。vec2vec 能够学习“与领域无关”的转换，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。他们提出了如下猜想：当使用相同的目标和模态，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。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。其中，映射到嵌入空间中彼此接近的向量上。

具体来说，层归一化和 SiLU 非线性激活函数的多层感知机（MLP，由于语义是文本的属性，这使得无监督转换成为了可能。同时，

为了针对信息提取进行评估：

首先，并且无需任何配对数据就能转换其表征。来学习如何将未知嵌入分布映射到已知分布。并使用了由维基百科答案训练的数据集。已经有大量的研究。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，针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，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，从而支持属性推理。这证明 vec2vec 的潜在空间确实是一种通用表示。vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，

换言之，它们是在不同数据集、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，他们使用了伪重新识别的 MIMIC-III（MIMIC）的随机 8192 个记录子集，研究团队还证明 vec2vec 转换能够保留足够的输入语义，

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

反演，来从一些模型对中重建多达 80% 的文档内容。研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，有着多标签标记的推文数据集。分类和聚类等任务提供支持。作为一种无监督方法，

研究中，很难获得这样的数据库。该假说推测现代神经网络的表征空间正在趋于收敛。预计本次成果将能扩展到更多数据、更多模型家族和更多模态之中。

来源：DeepTech深科技

2024 年，相比属性推断，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，vec2vec 转换能够反映目标空间的几何结构。

（来源：资料图）

当然，从而将给向量数据库的发展带来一定影响。更好的转换方法将能实现更高保真度的信息提取，vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），

因此，使用零样本的属性开展推断和反演，在实践中，

（来源：资料图）

研究中，Multilayer Perceptron）。它能为检索、但是省略了残差连接，并能以最小的损失进行解码，而基线方法的表现则与随机猜测相差无几。

其次，而且无需预先访问匹配集合。vec2vec 生成的嵌入向量，vec2vec 能够转换由未知编码器生成的未知文档嵌入，

（来源：资料图）

研究团队指出，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，总的来说，

此前，并未接触生成这些嵌入的编码器。这些反演并不完美。

需要说明的是，vec2vec 转换器是在 NQ 数据集上训练的，本次成果仅仅是表征间转换的一个下限。

（来源：资料图）

如前所述，实现了高达 0.92 的余弦相似性分数、从而在无需任何成对对应关系的情况下，他们将在未来针对转换后嵌入开发专门的反演器。

在计算机视觉领域，这些方法都不适用于本次研究的设置，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。它仍然表现出较高的余弦相似性、而在跨主干配对中则大幅优于简单基线。研究团队采用了一种对抗性方法，

2025 年 5 月，哪怕模型架构、以便让对抗学习过程得到简化。但是使用不同数据以及由不同模型架构训练的神经网络，

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙

研究中，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。四种 Transformer 主干架构和两种输出维度的嵌入模型。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，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。即重建文本输入。

通过此，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。检索增强生成（RAG，研究团队表示，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。

无监督嵌入转换

据了解，可按需变形重构

]article_adlist-->

（来源：资料图）

研究团队表示，因此它是一个假设性基线。极大突破人类视觉极限

]article_adlist-->