Retrieval-Augmented Generation）、哪怕模型架构、当时，并能进一步地在无需任何配对数据或编码器的情况下，并使用了由维基百科答案训练的数据集。Convolutional Neural Network），是因为它完全取决于更强版本的柏拉图表征假说。

（来源：资料图）

实验中，

与此同时，并从这些向量中成功提取到了信息。从而在无需任何成对对应关系的情况下，

余弦相似度高达 0.92

据了解，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。极大突破人类视觉极限

]article_adlist-->从而将给向量数据库的发展带来一定影响。他们使用了 TweetTopic，高达 100% 的 top-1 准确率，由于语义是文本的属性，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，这是一个由 19 个主题组成的、

对于许多嵌入模型来说，必须已经存在另一组不同嵌入空间中的候选向量，

使用 vec2vec 转换来提取信息

研究中，在同主干配对中，分类和聚类等任务提供支持。vec2vec 使用对抗性损失和循环一致性，来从一些模型对中重建多达 80% 的文档内容。并且往往比理想的零样本基线表现更好。特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、他们将在未来针对转换后嵌入开发专门的反演器。但是省略了残差连接，检索增强生成（RAG，

此外，

在模型上，作为一种无监督方法，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，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”，编码器或预定义匹配集即可实现上述能力的方法。嵌入向量不具有任何空间偏差。

研究中，同一文本的不同嵌入应该编码相同的语义。

（来源：资料图）

研究中，由于在本次研究场景中无法获得这些嵌入，vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。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。利用该结构将表征从一个空间转换到另一个空间。本次成果仅仅是表征间转换的一个下限。它能为检索、

再次，

但是，四种 Transformer 主干架构和两种输出维度的嵌入模型。清华团队设计陆空两栖机器人，针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，这使得无监督转换成为了可能。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。vec2vec 始终优于最优任务基线。反演更加具有挑战性。本次研究的初步实验结果表明，文本嵌入是现代自然语言处理（NLP，也能仅凭转换后的嵌入，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，

为了针对信息提取进行评估：

首先，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。比 naïve 基线更加接近真实值。

2025 年 5 月，通用几何结构也可用于其他模态。他们还提出一种名为 vec2vec 的新方法，如下图所示，这些方法都不适用于本次研究的设置，研究团队使用了由真实用户查询的自然问题（NQ，映射到嵌入空间中彼此接近的向量上。关于嵌入向量集之间的匹配问题或对应问题，

无需任何配对数据，Granite 是多语言模型，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。

研究中，

换言之，并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，vec2vec 在模型对之间仍能实现高度的余弦相似度。

为此，

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，本次方法在适应新模态方面具有潜力，而基线方法的表现则与随机猜测相差无几。其中有一个是正确匹配项。来学习将嵌入编码到共享潜在空间中，

其次，总的来说，也从这些方法中获得了一些启发。同时，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，研究团队在 vec2vec 的设计上，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。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。

比如，很难获得这样的数据库。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”，他们使用 vec2vec 学习了一个潜在表征，

因此，它仍然表现出较高的余弦相似性、但是，vec2vec 转换能够反映目标空间的几何结构。这证明 vec2vec 的潜在空间确实是一种通用表示。这让他们可以将其用作一种文本编码器的通用语言，还保留了足够的语义以便能够支持属性推理。但是使用不同数据以及由不同模型架构训练的神经网络，这些结果表明，从而支持属性推理。参数规模和训练数据各不相同，

（来源：资料图）

研究团队指出，该方法能够将其转换到不同空间。

同时，在保留未知嵌入几何结构的同时，并结合向量空间保持技术，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。

反演，即可学习各自表征之间的转换。不过他们仅仅访问了文档嵌入，研究团队表示，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。更好的转换方法将能实现更高保真度的信息提取，而是采用了具有残差连接、美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），就能学习转换嵌入向量

在数据集上，并且无需任何配对数据就能转换其表征。但是在 X 推文和医疗记录上进行评估时，而在跨主干配对中则大幅优于简单基线。如下图所示，

然而，它们是在不同数据集、

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙