Mila 提出 CLVQ-VAE：将 LLM 碎片化内部信号映射为统一概念

Mila_Quebec · x · 2026-08-12

当前 Transformer 模型的解释方法常将单一概念（如“积极情感”）拆解为分散的信号，需人工拼凑。Mila 实验室提出的 CLVQ-VAE 方法充当了模型内部推理的“翻译器”。

它将模型内部碎片化的信号映射到一个由抽象概念组成的固定“字典”中，从而能把“great”、“awesome”等分散信号统一为清晰的“赞美”概念，帮助研究者更好地理解和审计大模型。