持久稀疏自编码器学习特征专属时间尺度
热点事件持续更新
持久稀疏自编码器学习特征专属时间尺度
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Haoyan Luo、Mateo Espinosa Zarlenga 和 Mateja Jamnik 提出持久稀疏自编码器(Persistent SAEs),在标准 SAE 基础上为每个特征学习一个持久系数,使特征专属的时间尺度从重建过程中自然涌现。 实验显示,该方法的重建质量保持竞争力;短时间尺度特征具有局部可解释性,长时间尺度特征则累积更高层上下文信息。在提示词注入监控案例中,慢特征能在长上下文中保留注入信号,并因果影响监控判断。
AI 根据报道生成 · 1 小时前更新
最新进展11月20日 13:00
Persistent SAEs:为语言模型特征学习专属时间尺度报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.CLPersistent SAEs:为语言模型特征学习专属时间尺度
研究者提出 Persistent Sparse Autoencoders(Persistent SAEs),在标准 SAE 基础上为每个特征学习一个持久系数,使特征专属时间尺度从重建中自然涌现。实验显示其重建质量保持竞争力,短时间尺度特征局部可解释,长时间尺度特征则累积更高层上下文信息。在提示词注入监控案例中,慢特征能在长上下文中保留注入信号并因果影响监控判断。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。