探讨现代LLM的Deep Dream与SAE特征最大化
torchcompiled · x · 2026-07-20
回复 @matthen2 关于现代大模型 Deep Dream 效果的讨论。原帖展示了通过优化图像来最大化目标标题的概率，发现没有视觉编码器的 Gemma 12B 会像处理 token 嵌入一样读取像素，并在画布上印出可识别的物体；而带有视觉编码器的 E4B 则会偏向纹理漂移。
回复者指出，利用稀疏自编码器（SAE）识别出的个体特征进行最大化优化，可能会产生更有趣的结果。
所属事件:现代大模型复现Deep Dream可视化实验(2 条相关)→
「研究」频道最新
- 社会学家 Harry Collins：LLM 无法发明新语言，做不了前沿科学 — whoamisri · 2026-09-11
- 「Waymo 效应」：AI 正在悄悄让科研协作变少 — JohnHammersley · 2026-09-11
- HF 工程师争论:非生成任务全用因果注意力是在浪费算力 — antoine_chaffin · 2026-09-11
- 智利学者：AI 反馈规模化是医学教育可持续的关键 — julianvarascom · 2026-09-11
- Nature 新研究实现全身器官细胞活动成像,揭示跨器官体级回路 — arjunrajlab · 2026-09-11
- SignNet 1M 手语数据集发布 — ducha_aiki · 2026-09-11