跳到正文
热点事件持续更新

研究提出CFP与CLABS两种激活转向门控方法

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Nima Eshraghi等在arXiv(2611.18274)提交论文,提出基于稀疏自编码器(SAE)的激活引导新框架,把引导信号视为固定可引导token预算下的逐token分配问题,并引入CFP与CLABS两种门控方法。 其中对比特征投影(CFP)是无记忆方法,通过稀疏可解释的特征投影选出与目标行为最不对齐的token;轨迹感知的闭环自适应伯努索引导(CLABS)则把分配建模为闭环反馈控制。论文称在同等预算下两者实现最大的行为偏移,CLABS在紧预算下表现最强且最好地保持流畅性。

AI 根据报道生成 · 3 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月16日
  1. arXiv cs.AI
    从逐 Token 门控到轨迹感知激活引导:CFP 与 CLABS 两种门控方法解析

    一项 arXiv 研究提出基于稀疏自编码器(SAE)的激活引导新框架,将引导信号视为固定可引导 token 预算下的逐 token 分配问题。研究引入两种门控:无记忆的对比特征投影(CFP)和轨迹感知的闭环自适应伯努利引导(CLABS),后者将分配建模为闭环反馈控制。在同等预算下,两者实现最大的行为偏移,CLABS 在紧预算下表现最强且最好地保持流畅性。

本事件热度走势

可比范围当前
9
可比范围峰值
1011月16日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。