arXiv · cs.AI· Jinho Choi, Hyesu Lim, Jaegul Choo, Steffen Schneider·· 6 小时前
ConSDL：用稀疏编码提升稀疏自编码器的概念发现一致性
Beyond SAEs: Consistent Concept Discovery with Sparse Coding
arXiv:2610.23801v1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：Jinho Choi, Hyesu Lim, Jaegul Choo, Steffen Schneider
研究任务与主要进展
作者提出一致稀疏字典学习方法 ConSDL，以逐样本稀疏编码替代标准线性编码器，提升稀疏自编码器字典和系数的跨训练运行一致性。基于论文摘要，ConSDL 在16种合成设置中实现接近完美的字典与系数恢复，并在4个视觉和语言设置中较6个 SAE 基线的平均水平分别提升17.6%和35.9%。
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