TaxoSAE：把分类层级写入稀疏自编码器

Xinyu Guo 等作者提出 TaxoSAE，将 is-a（上下位）分类关系显式编码进稀疏自编码器（SAE）的特征空间：每层一个 SAE 的堆叠结构对应分类层级，并引入分类对齐损失。 在两个事实问答分类体系上，作者报告抽象概念上位词读出提升 31.3 分、概念替换成功率提升 25.5 分，未见概念经上位词读出最高提升 37.9 分；抑制某概念时仅其自身答案准确率降至 0–2%，其他概念仍为 91–100%。上述数值均为论文作者自述结果。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。