两年前，麻省理工学院提出“柏拉图表示假说”，认为随着模型能力提升，不同模态的AI系统将逐渐收敛于对现实世界的统一内部表征。近期，洛桑联邦理工学院机器学习与生物医学实验室团队对此进行了严谨检验，研究成果将于2026年7月在韩国首尔国际机器学习会议上发表。 团队负责人玛丽亚·布比奇副教授指出，高维空间固有的距离集中效应会人为推高相似度得分。即使对比未经训练的全随机模型，现有评估指标仍会显示虚假相似性，表明此前的全局收敛结论部分源于数学度量偏差。经过语言、视觉及视频模型的多维度验证，研究确认AI并未形成统一的全局表征，但局部概念邻域关系保持高度稳定，即相关特征在向量空间中的相对位置一致。 基于此，团队提出“亚里士多德表示假说”，主张AI知识组织更依赖关系上下文而非绝对全局结构。该发现修正了业界对AI对齐与多模态融合的认知路径，团队同步推出了校正评估偏差的新分析框架。原始假说提出方对该研究给予建设性评价，学界共识表明科学认知正通过批判验证不断迭代。下一步研究将精确界定可收敛的局部结构，为构建高可靠性与强对齐能力的下一代AI系统奠定理论基础。