稀疏自编码器可解释性综述发表

Salima Lamsiyah 等作者提交发表了一篇针对 NLP 机制可解释性中稀疏自编码器（SAE）的批判性综述，覆盖 138 项研究，提出连接字典设计、特征操作与 NLP 功能的分类体系，并评估可恢复性、语义可解释性、机制忠实性与行为实用性等证据。 综述考察稀疏度分配、几何结构、数据覆盖与推理对特征恢复的影响，并综合多语言处理、检索、推理、分类与行为调控等方向的发现，指出待解问题与更严格评估的方向。作者称随综述附有一个匿名研究登记册。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。