arXiv · cs.AI· Xupeng Chen, Chenqian Le, Jiayi Cheng, Runhao Li, Michael Yue·· 8 小时前
SFT在激活几何中留下可复现特征：针对运行间噪声校准后训练可解释性
SFT Leaves a Reproducible Signature in Activation Geometry: Calibrating Post-Training Interpretability Against Run-to-Run Noise
arXiv:2610.17093v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Xupeng Chen, Chenqian Le, Jiayi Cheng, Runhao Li, Michael Yue
研究任务与主要进展
基于论文摘要，作者在 Qwen3-1.7B 的稀疏共激活图上提出校准后训练可解释性方法：两次 LoRA-SFT 重跑之间的距离超过各自与基础模型距离的一半，而基础模型到 SFT 的结构位移比四次独立运行的平均距离高17.8个成对距离标准差；预注册估计器在 Llama-3.1-8B 和 Llama-Scope 上复现。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org