arXiv · cs.CL· Jinchen Zhang·· 8 天前AI 评分26
强度控制决定稀疏自编码器（SAE）干预比较结果——基于 Gemma 与 Llama 的分析
Strength Controls Change How Interventions Compare Across Sparse Autoencoder Codes
来源与原文
arXiv · cs.CL
作者：Jinchen Zhang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.26489v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
这项 arXiv 研究指出，改变稀疏自编码器（SAE）codes 会同时影响干预方向与幅度，比较干预效果需要指定强度控制。在 Gemma 和 Llama 上的实验显示：whole-patch scaling 下 full-output KL 校准比 total-norm matching 更接近参考干预，新 Llama 输入上后者丢失 11 次参考迁移而前者全部保留；但 positionwise scaling 下 norm matching 的平均差距更小，answer-excluded 校准在主谓一致比较中缩小差距、在 gender refits 中反而扩大。
来源：arXiv · cs.CL · arxiv.org