embedding-spaces

本文介绍了拓扑空洞分析（TVA），一种数学框架，通过识别满足特定凝聚性和边际性条件的概念三元组，形式化了在高维知识空间中探索未开发技术区域的过程。应用于约14万篇文档后，TVA生成了候选发明，这些发明在专家评审中具有较高的存活率。

KTH Royal Institute of Technology 的研究人员提出了一种两阶段框架，通过在对话转写文本上微调 LLMs，并结合对比学习构建联合嵌入空间，以实现对对话附和信号与语境的精准对齐。结果表明，相较于以往方法，该方案显著提升了语境与附和信号的匹配检索性能。