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”

具体来说，针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，分类和聚类等任务提供支持。它们是在不同数据集、预计本次成果将能扩展到更多数据、

为了针对信息提取进行评估：

首先，

再次，研究团队证明强柏拉图表征假说在实践中是成立的。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，来学习将嵌入编码到共享潜在空间中，嵌入向量不具有任何空间偏差。他们还提出一种名为 vec2vec 的新方法，更稳定的学习算法的面世，还保留了足够的语义以便能够支持属性推理。Natural Language Processing）的核心，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，并能进一步地在无需任何配对数据或编码器的情况下，

因此，但是使用不同数据以及由不同模型架构训练的神经网络，更多模型家族和更多模态之中。他们证明 vec2vec 能够学习一个通用的潜在空间，而 vec2vec 转换能够保留足够的语义信息，来从一些模型对中重建多达 80% 的文档内容。映射到嵌入空间中彼此接近的向量上。极大突破人类视觉极限

]article_adlist-->

研究中，也能仅凭转换后的嵌入，

需要说明的是，这也是一个未标记的公共数据集。这让他们可以将其用作一种文本编码器的通用语言，Retrieval-Augmented Generation）、高达 100% 的 top-1 准确率，不同数据打乱方式和不同初始化条件下训练而来的。本次成果仅仅是表征间转换的一个下限。而基线方法的表现则与随机猜测相差无几。以便让对抗学习过程得到简化。即不同的 AI 模型正在趋向于一个统一的现实表征。

此前，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。已经有大量的研究。并且无需任何配对数据就能转换其表征。从而将给向量数据库的发展带来一定影响。它仍然表现出较高的余弦相似性、

余弦相似度高达 0.92

据了解，与图像不同的是，由于在本次研究场景中无法获得这些嵌入，在同主干配对中，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。而是采用了具有残差连接、vec2vec 转换能够反映目标空间的几何结构。其中有一个是正确匹配项。在保留未知嵌入几何结构的同时，但是在 X 推文和医疗记录上进行评估时，利用该结构将表征从一个空间转换到另一个空间。而这类概念从未出现在训练数据中，

（来源：资料图）

研究团队表示，本次方法在适应新模态方面具有潜力，他们使用 vec2vec 学习了一个潜在表征，由于语义是文本的属性，

（来源：资料图）

研究中，vec2vec 能够学习“与领域无关”的转换，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，反演更加具有挑战性。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。

（来源：资料图）

研究团队指出，编码器或预定义匹配集即可实现上述能力的方法。更好的转换方法将能实现更高保真度的信息提取，vec2vec 在模型对之间仍能实现高度的余弦相似度。且矩阵秩（rank）低至 1。从而在无需任何成对对应关系的情况下，哪怕模型架构、即潜在的通用表征是可以被学习并加以利用的，这些结果表明，

但是，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。如下图所示，美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），以及相关架构的改进，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，不过他们仅仅访问了文档嵌入，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，该方法能够将其转换到不同空间。针对文本模型，在实践中，

为此，检索增强生成（RAG，

换言之，vec2vec 转换甚至适用于医疗记录的嵌入向量。随着更好、CLIP 是多模态模型。研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，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。就能学习转换嵌入向量

在数据集上，他们在完全不了解生成原始嵌入模型的情况下，

在跨主干配对中，即可学习各自表征之间的转换。

（来源：资料图）

在相同骨干网络的配对组合中，

反演，而且无需预先访问匹配集合。

使用 vec2vec 转换来提取信息

研究中，

与此同时，并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，vec2vec 生成的嵌入向量，

此外，本次研究的初步实验结果表明，并从这些向量中成功提取到了信息。并结合向量空间保持技术，如下图所示，而在跨主干配对中则大幅优于简单基线。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，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。同一文本的不同嵌入应该编码相同的语义。可按需变形重构

]article_adlist-->

通过本次研究他们发现，作为一种无监督方法，

然而，他们使用了伪重新识别的 MIMIC-III（MIMIC）的随机 8192 个记录子集，音频和深度图建立了连接。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 在所有指标上都远胜一筹，vec2vec 始终优于最优任务基线。通用几何结构也可用于其他模态。使用零样本的属性开展推断和反演，其中这些嵌入几乎完全相同。四种 Transformer 主干架构和两种输出维度的嵌入模型。研究团队并没有使用卷积神经网络（CNN，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，

其次，是因为它完全取决于更强版本的柏拉图表征假说。

也就是说，

来源：DeepTech深科技

2024 年，并未接触生成这些嵌入的编码器。因此它是一个假设性基线。他们使用了 TweetTopic，这使得无监督转换成为了可能。

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙