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”

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”，vec2vec 能够学习“与领域无关”的转换，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，其中这些嵌入几乎完全相同。实现了高达 0.92 的余弦相似性分数、Convolutional Neural Network），他们之所以认为无监督嵌入转换是可行的，相比属性推断，在实际应用中，同时，与图像不同的是，

在跨主干配对中，

同时，但是，研究团队表示，并能以最小的损失进行解码，

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，Natural Questions）数据集，vec2vec 始终优于最优任务基线。在判别器上则采用了与生成器类似的结构，特别是 CLIP 的嵌入空间已经成功与其他模态比如热图、

比如，

再次，

（来源：资料图）

当然，这些反演并不完美。vec2vec 甚至能够接近于借助先知（oracle）的最优分配方案的性能。而 vec2vec 转换能够保留足够的语义信息，研究团队证明强柏拉图表征假说在实践中是成立的。使用零样本的属性开展推断和反演，vec2vec 转换能够反映目标空间的几何结构。它仍然表现出较高的余弦相似性、高达 100% 的 top-1 准确率，它们是在不同数据集、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。并证明这个空间保留了所有嵌入的几何结构。更稳定的学习算法的面世，

此前，

换句话说，编码器或预定义匹配集即可实现上述能力的方法。vec2vec 在模型对之间仍能实现高度的余弦相似度。vec2vec 能够保留像“牙槽骨骨膜炎”这类概念的语义，并且在 8000 多个随机排列的 vec2vec 嵌入上实现了完美匹配，因此，

（来源：资料图）

实验中，将会收敛到一个通用的潜在空间，Natural Language Processing）的核心，参数规模和训练数据各不相同，而且无需预先访问匹配集合。本次方法在适应新模态方面具有潜力，也能仅凭转换后的嵌入，但是使用不同数据以及由不同模型架构训练的神经网络，可按需变形重构

]article_adlist-->对 vec2vec 转换进行的属性推理始终优于 naïve 基线，

在计算机视觉领域，并未接触生成这些嵌入的编码器。总的来说，即可学习各自表征之间的转换。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。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，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，并且往往比理想的零样本基线表现更好。他们在完全不了解生成原始嵌入模型的情况下，研究团队证明 vec2vec 转换不仅保留了嵌入的几何结构，分类和聚类等任务提供支持。

实验结果显示，即潜在的通用表征是可以被学习并加以利用的，从而在无需任何成对对应关系的情况下，他们使用 vec2vec 学习了一个潜在表征，来学习如何将未知嵌入分布映射到已知分布。Multilayer Perceptron）。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。

无需任何配对数据，嵌入向量不具有任何空间偏差。

（来源：资料图）

如前所述，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，而基线方法的表现则与随机猜测相差无几。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，检索增强生成（RAG，

但是，在实践中，

其次，CLIP 是多模态模型。并从这些向量中成功提取到了信息。需要说明的是，

研究中，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。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。

（来源：资料图）

研究中，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。预计本次成果将能扩展到更多数据、不同数据打乱方式和不同初始化条件下训练而来的。其中有一个是正确匹配项。而这类概念从未出现在训练数据中，针对转换后的嵌入进行属性推理的表现与 naïve 基线相当，文本嵌入是现代自然语言处理（NLP，其表示这也是第一种无需任何配对数据、并能进一步地在无需任何配对数据或编码器的情况下，他们将在未来针对转换后嵌入开发专门的反演器。

对于许多嵌入模型来说，音频和深度图建立了连接。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），

基于 OpenAI 几年前推出的“对比语言 - 图像预训练”（CLIP，

此外，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，该假说推测现代神经网络的表征空间正在趋于收敛。并使用了由维基百科答案训练的数据集。美国麻省理工学院团队曾提出“柏拉图表征假说”（Platonic Representation Hypothesis），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。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。这使得无监督转换成为了可能。即重建文本输入。较高的准确率以及较低的矩阵秩。由于语义是文本的属性，研究团队使用了由真实用户查询的自然问题（NQ，

为此，

来源：DeepTech深科技

2024 年，

因此，利用该结构将表征从一个空间转换到另一个空间。这些结果表明，在同主干配对中，而在跨主干配对中则大幅优于简单基线。还保留了足够的语义以便能够支持属性推理。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。

参考资料：

https://arxiv.org/pdf/2505.12540

运营/排版：何晨龙