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。
「研究」频道最新
- 研究揭示合成数据最优比例随算力从10%升至32% — heghbalz · 2026-10-26
- FLASH 仿真框架：单卡 RTX 5090 上分钟级学会布料折叠 — ChongZzZhang · 2026-10-26
- LEMON 监控器:从注意力图零样本识别未见过的 LLM 幻觉与越狱 — yoavartzi · 2026-10-26
- EMNLP 主题演讲背后：用语言模型「模拟学习者」生成儿童语言习得新假设 — najoungkim · 2026-10-26
- EMNLP 2026 主题演讲背后的论文：用 bigram 模拟语言习得 — najoungkim · 2026-10-26
- 把 DeepLIFT 重写为独立计算图：输入序列直接输出归因结果 — jmschreiber91 · 2026-10-26