原始激活与SAE特征强度的PCA几何结构对比
Sauers_ · x · 2026-07-08
研究者对比了神经网络原始激活值的PCA（呈现规整圆形）与稀疏自编码器(SAE)特征强度的PCA（形态紊乱）两种表示方式，发现两者在几何结构上存在显著差异。该实验揭示SAE特征空间与原始激活空间之间的潜在不一致，对机械可解释性（Mechanistic Interpretability）研究有参考价值。可视化图像由OpenAI o4.8模型辅助生成。
Sauers_ · x · 2026-07-08
研究者对比了神经网络原始激活值的PCA（呈现规整圆形）与稀疏自编码器(SAE)特征强度的PCA（形态紊乱）两种表示方式，发现两者在几何结构上存在显著差异。该实验揭示SAE特征空间与原始激活空间之间的潜在不一致，对机械可解释性（Mechanistic Interpretability）研究有参考价值。可视化图像由OpenAI o4.8模型辅助生成。