arXiv · cs.CL· Brain Xiao·· 14 天前AI 评分22
Readout Scaling 如何影响稀疏自编码器的特征恢复：RC-DS 方法研究
Readout Scaling Shapes Sparse Feature Recovery
来源与原文
arXiv · cs.CL
作者：Brain Xiao
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/2610.18462v1
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
研究提出 readout-canonicalized decision-space（RC-DS）坐标方法，去除奇异值增益同时保留决策信息，用于分析 readout scaling 对稀疏自编码器（SAE）特征恢复的影响。在受控坐标匹配实验中，当因子在 readout scaling 之前生成时，RC-DS 将平均稀疏因子恢复从 0.506 提升至 0.913（条件数 100）。在三个固定语言模型 checkpoint 的全部 18 个 task-sparsity 设置中，RC-DS 均获得更高的无增益重构，而 centered-logit SAE 在其中 17 个设置中更好地重构输出 logits。
来源：arXiv · cs.CL · arxiv.org