arXiv · cs.AI· Ruikang Zhang, Shuo Wang, Qi Su·· 1 天前
大语言模型中的机制性旋钮：通过稀疏自编码器检索并操控高阶语义特征
Mechanistic Knobs in LLMs: Retrieving and Steering High-Order Semantic Features via Sparse Autoencoders
arXiv:2601.02978v3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：Ruikang Zhang, Shuo Wang, Qi Su
研究任务与主要进展
研究者提出一种基于稀疏自编码器的框架，用于检索并操控与大语言模型高阶语言行为相关的可解释内部特征。基于论文摘要，该方法以大五人格特质为案例，通过对比语义对立、统计激活分析和生成验证蒸馏单义功能特征，支持更稳定、双向的行为操控，并优于文中作为对比的CAA方法；作者还提出“功能忠实性”这一经验现象。
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