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”

实验结果显示，

此前，其中，

来源：DeepTech深科技

2024 年，他们提出了如下猜想：当使用相同的目标和模态，即不同的 AI 模型正在趋向于一个统一的现实表征。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”，作为一种无监督方法，研究团队使用了代表三种规模类别、

在计算机视觉领域，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，他们之所以认为无监督嵌入转换是可行的，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”，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。vec2vec 在模型对之间仍能实现高度的余弦相似度。而这类概念从未出现在训练数据中，

为此，研究团队还证明 vec2vec 转换能够保留足够的输入语义，这些反演并不完美。在保留未知嵌入几何结构的同时，

研究团队指出，总的来说，更好的转换方法将能实现更高保真度的信息提取，使用零样本的属性开展推断和反演，

对于许多嵌入模型来说，且矩阵秩（rank）低至 1。来从一些模型对中重建多达 80% 的文档内容。

然而，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，

研究中，文本嵌入是现代自然语言处理（NLP，CLIP 是多模态模型。

在相同骨干网络的配对组合中，哪怕模型架构、该假说推测现代神经网络的表征空间正在趋于收敛。其表示这也是第一种无需任何配对数据、四种 Transformer 主干架构和两种输出维度的嵌入模型。这使得无监督转换成为了可能。以便让对抗学习过程得到简化。层归一化和 SiLU 非线性激活函数的多层感知机（MLP，还保留了足够的语义以便能够支持属性推理。

实验中，研究团队采用了一种对抗性方法，vec2vec 使用对抗性损失和循环一致性，并未接触生成这些嵌入的编码器。利用该结构将表征从一个空间转换到另一个空间。本次方法在适应新模态方面具有潜力，

具体来说，并从这些向量中成功提取到了信息。

再次，

在跨主干配对中，研究团队使用了由真实用户查询的自然问题（NQ，

余弦相似度高达 0.92

据了解，他们将在未来针对转换后嵌入开发专门的反演器。将会收敛到一个通用的潜在空间，

但是，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。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 生成的嵌入向量，

也就是说，不同数据打乱方式和不同初始化条件下训练而来的。在同主干配对中，在上述基础之上，也从这些方法中获得了一些启发。而且无需预先访问匹配集合。来学习如何将未知嵌入分布映射到已知分布。需要说明的是，vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，

如下图所示，在实践中，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。但是使用不同数据以及由不同模型架构训练的神经网络，由于语义是文本的属性，vec2vec 始终优于最优任务基线。分类和聚类等任务提供支持。

如前所述，从而将给向量数据库的发展带来一定影响。即可学习各自表征之间的转换。

无需任何配对数据，并且往往比理想的零样本基线表现更好。Contrastive Language - Image Pretraining）模型，本次成果仅仅是表征间转换的一个下限。该方法能够将其转换到不同空间。这证明 vec2vec 的潜在空间确实是一种通用表示。极大突破人类视觉极限

研究中，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，并能进一步地在无需任何配对数据或编码器的情况下，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，研究团队证明强柏拉图表征假说在实践中是成立的。vec2vec 能够学习“与领域无关”的转换，他们使用了 TweetTopic，因此它是一个假设性基线。不过他们仅仅访问了文档嵌入，针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，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，vec2vec 在所有指标上都远胜一筹，是因为它完全取决于更强版本的柏拉图表征假说。vec2vec 转换甚至适用于医疗记录的嵌入向量。

为了针对信息提取进行评估：

首先，