作者出生即先天性嗅觉缺失，无法直接体验气味，但想通过构建系统来解释气味。其灵感源于相关论文，使用句子嵌入而非词嵌入，从获取词嵌入开始探索向量加法和旋转来修改和解释嵌入。

• 背景与基础代码：通过OpenAI获取各种词的嵌入，如king等，定义余弦相似度和欧氏距离的计算函数。
• 向量偏移与加法示例：尝试通过“Queen”向量加上“man - woman”的性别偏移来得到“King”向量，发现结果与预期不符，向量距离和角度变化都不符合，且偏移向量的幅度与到达“King”向量的距离大致相同，但方向错误。
• 余弦相似度与性别偏移：计算各种性别相关向量的余弦相似度，发现这些偏移向量指向不同方向，如“son - daughter”与“steward - stewardess”差异较大。
• 旋转操作：认为使用向量加法分析奇怪，尝试沿“man”和“woman”向量创建的平面旋转“queen”向量，发现旋转后向量更接近目标，但仅移动了约 0.07 弧度（4 度），对其他性别相关标题也有类似结果，且求和向量在每种配对中都更差，旋转向量在编码性别方面有一定作用但改进很小。通过优化旋转角度，发现平均优化角度与“man”和“woman”向量之间的角度相似，优化后的旋转向量在一些情况下改善了相似度，但在其他情况下则不然。
• 平面相似性检查：计算不同向量对的平面相似性，发现它们并不对齐。
• 其他概念的旋转测试：将旋转策略应用于其他概念，如“parent/child”等，发现除“Positive/Negative”外，其他概念的旋转大多弊大于利。
• 总结与局限性：此探索虽未成功，但知道词嵌入的向量加法解释不一定适用于句子嵌入，且存在局限性，如不知这些学习结果是否适用于所有模型，平均向量可能会有更好结果但并非万能。