AI资讯文章2026-7-25稀疏自编码器与几何弯曲：Gemma 2 研究推翻“活跃特征面携带更多整体性”预设一项针对 Google Gemma 2 2B 模型的预注册研究表明，稀疏自编码器（SAE）的活跃特征面所携带的整体性（Holonomy）实际上少于对照组，这一“反转”发现为理解大模型内部的语义聚集与几何结构提供了新的视角。
AI资讯文章2026-7-23自动可解释性评估的陷阱：评估流程选择主导了AI特征得分的方差最新研究指出，在稀疏自编码器（SAE）的自动可解释性评估中，方法学流程的差异带来的方差远超模型架构本身的差异。本文解析了这一发现对AI可解释性研究的深远影响及应对策略。
.png?table=collection&id=cbe6506e-1263-8358-a4d7-07ce62fcbb3f&t=cbe6506e-1263-8358-a4d7-07ce62fcbb3f){kind=small}
稀疏自编码器与几何弯曲：Gemma 2 研究推翻“活跃特征面携带更多整体性”预设
一项针对 Google Gemma 2 2B 模型的预注册研究表明，稀疏自编码器（SAE）的活跃特征面所携带的整体性（Holonomy）实际上少于对照组，这一“反转”发现为理解大模型内部的语义聚集与几何结构提供了新的视角。