arXiv · cs.CL· Haotian Ma·· 12 天前AI 评分46
稀疏自编码器（SAE）表示的行为组合性研究
Behavioral Compositionality of Sparse Autoencoder Representations
来源与原文
arXiv · cs.CL
作者：Haotian Ma
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/2610.21261v1
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
一项 arXiv 研究提出 SAE Additivity Residuals（SAR），用于度量稀疏自编码器（SAE）特征在行为层面未被加性解释的变异。通过与同维随机旋转变换对比，学习到的 SAE 坐标在全部 18 个模型与行为设置中一阶残差更低；组合转向实验中，成对项建模将 rank fidelity 从 0.5874 提升至 0.7790，排序误差从 0.1444 降至 0.0606。结果表明 SAE 特征较具组合性，但忠实的联合解释仍需超出单个特征效应的交互项。
来源：arXiv · cs.CL · arxiv.org