维特根斯坦表示假说：语言是多模态收敛的吸引子吗？

理解为什么来自不同模态的独立训练神经网络会收敛于共享表示，以及这种收敛导向何处，仍然是表示学习中的一个开放问题。所有现有证据都依赖于对称相似性度量，这些度量可以检测收敛，但在结构上对其方向视而不见。我们引入了使用 cycle-kNN（一种非对称对齐度量）的方向性收敛分析，应用于跨越点云、视觉和语言的数十个独立训练的单模态模型。我们发现了一致的方向性不对称：非语言模态向语言邻域结构的移动显著多于反向移动，并且这种模式在所有模型家族和规模中均成立——然而这对对称度量来说是完全不可见的。机制分析将这种方向性追溯到特征密度不对称，即语言表示占据了表示空间中最紧凑的区域。信息瓶颈框架提供了原则性的解释：压缩下的优化驱使表示趋向于语言特有的离散、组合结构。我们将其形式化为维特根斯坦表示假说：语言的语义结构是多模态表示收敛的渐近吸引子。