arXiv · cs.AI· Calvin Yeung, Prathyush Poduval, Ali Zakeri, Zhuowen Zou, Mohsen Imani·· 1 天前
用于解释扩散模型的残差化时间稀疏自编码器
Residualized Temporal Sparse Autoencoders for Interpreting Diffusion Models
arXiv:2605.27813v2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：Calvin Yeung, Prathyush Poduval, Ali Zakeri, Zhuowen Zou, Mohsen Imani
研究任务与主要进展
作者提出残差化时间稀疏自编码器ReSAE，通过拟合相邻时间步之间的线性预测，将扩散模型轨迹表示为初始激活和动态残差，从而使SAE潜变量聚焦于超出线性可预测范围的变化。基于论文摘要，ReSAE在Stable Diffusion 1.5和一个Diffusion Transformer上覆盖完整去噪轨迹，并能定位变化进入特征的时间。
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