Denetimsiz yöntem, embedding'leri eşleştirilmiş veri olmadan modeller arasında çeviriyor

Hacker News'in ana sayfasına çıkan bir makale, metin embedding'lerini bir vektör uzayından diğerine çevirmenin — eşleştirilmiş veri olmadan, encoder olmadan ve iki uzay arasındaki önceden tanımlanmış eşleşme kümesi olmadan — ilk yöntemini iddia ediyor. "Harnessing the Universal Geometry of Embeddings" başlıklı bu çalışma, Mayıs 2025'te Rishi Jha tarafından arXiv'e gönderildi ve makalenin gönderim geçmişine göre birden fazla revizyondan geçti; en güncel revizyon 26 Ocak 2026 tarihli.

Makale ne öneriyor

Embedding modelleri metni yüksek boyutlu vektörlere dönüştürür; böylece anlamsal olarak benzer metinler birbirine yakın konumlanır. Sorun şu ki her model kendi geometrisini tanımlar: bir encoder'dan gelen vektör, başka bir modelin indeksine bırakıldığında anlamsızdır. İki uzayı hizalamak normalde karşılıklıklar gerektirir — aynı ya da benzer metinler her iki modelden geçirilir — ve bu karşılıklıklardan bir eşleme öğrenilir.

Makalenin özetine göre yeni yaklaşım bu gereksinimi ortadan kaldırıyor. Herhangi bir embedding'i tamamen denetimsiz biçimde evrensel bir gizil temsile çeviriyor ve geri dönüştürüyor. Yazarlar bu gizil uzayı, Platonic Representation Hypothesis'in öne sürdüğü evrensel anlamsal yapı olarak çerçeveliyor; bu hipotez, makine öğrenmesi araştırmalarında bağımsız olarak eğitilen modellerin dünyanın benzer iç temsillerine yakınsama eğiliminde olduğu görüşünü savunan bir düşünce çizgisi. Bu yakınsama gerçekse, argümana göre, paylaşılan bir koordinat sistemi olarak kullanılabilir.

Bildirilen sonuçlar

Özet, çevirilerin mimari, parametre sayısı ve eğitim veri kümeleri açısından farklı model çiftleri arasında yüksek kosinüs benzerliği elde ettiğini bildiriyor. Başka bir deyişle, bir vektörün anlamının ilgisiz modeller arasındaki yolculuktan sağlam çıktığı iddia ediliyor. Özette spesifik benchmark sayıları yer almıyor; dolayısıyla iddianın gücü tam makaleye ve ardından gelecek bağımsız doğrulamalara dayanıyor. Listeleme, onu Hacker News akışına taşıyan veriye göre Hacker News'in ana sayfasına çıkacak kadar ilgi gördü.

Yeniden embedding olmadan birlikte çalışabilirlik

Yöntem tutarsa, retrieval sistemleri kuran herkes için pratik sonuç taşınabilirlik olur. Bir embedding modeli altında halihazırda depolanmış vektörler, sıfırdan yeniden hesaplanmak yerine başka bir modelle kullanılmak üzere çevrilebilir. Embedding sağlayıcısı değiştiren, farklı modeller üzerine kurulmuş indeksleri birleştiren veya tek bir pipeline'da retriever'ları harmanlayan ekipler, artık küplerinin tamamının yeniden embed edilmesi — tipik olarak böyle bir geçişin en maliyetli parçası — ile karşılaşmaz. Bu kullanım senaryoları özette açıkça sıralanmıyor, ancak vektörleri geometrilerini koruyarak uzaylar arasında taşıyabilmenin doğrudan sonucu olarak ortaya çıkıyorlar.

Vektör veritabanları için bir güvenlik sorunu

Özet, bu yeteneğin rahatsız edici yönüne de değiniyor. Yalnızca embedding vektörlerine erişimi olan bir saldırganın, temelindeki belgeler hakkında hassas bilgi çıkarabileceğini — yazarların ifadesiyle sınıflandırma ve öznitelik çıkarımı (attribute inference) için yeterli olacak kadar — belirtiyor.

Bu, veri pipeline'larındaki yaygın bir varsayımı zayıflatıyor: embedding'lerin kaynak metnin güvenli bir şekilde maskelenmiş hali olduğu varsayımı. Pratikte vektörler, ham belgelerden çok daha az denetimle log'lar, analitik sistemler ve üçüncü taraf servislerden akıyor. Orijinal encoder'a hiç ihtiyaç duymadan yorumlanabilir bir uzaya çevrilebiliyorlarsa, belgelerin kendisiyle aynı özenle ele alınmaları gerekebilir.

Neden önemli

Bu, iki yüzü olan bir sonuç. Mühendislik tarafında, birlikte çalışabilir embedding ekosistemlerine işaret ediyor; vektörler artık onları üreten modele kilitli olmayacak ve geçiş maliyetleri keskin biçimde düşecek. Güvenlik tarafında ise vektör veritabanlarının sanıldığından daha zengin bir saldırı yüzeyi olduğunu öne sürüyor; çünkü yalnızca ham vektörler bile temsil ettikleri içerik ve öznitelikleri sızdırabiliyor. Ayrıca Platonic Representation Hypothesis için de kanıt sağlıyor: paylaşılan bir anlamsal yapı bulunabiliyorsa ve ilgisiz modeller arasında çeviri merkezi olarak kullanılabiliyorsa, farklı modeller gerçekten ölçülebilir biçimde benzer geometri öğreniyor demektir. Retrieval altyapısı işleten ekipler için acil çıkarım, embedding depolarını hassas veri olarak ele almak — ve yazarların bildirdiği bu iddiaların bağımsız doğrulamadan geçip geçmediğini izlemektir.