NeurIPS 2026研究提出语义最优传输框架匹配SAE特征并压缩电路

Tue M. Cao、Nguyen Do、My T. Thai在一项NeurIPS 2026研究中提出语义最优传输框架，用Wasserstein距离解决稀疏自编码器（SAE）跨层特征匹配与特征电路压缩两个问题。论文称该工作已被NeurIPS 2026接收。 方法上，每个特征不再用单个decoder向量表示，而是表示为激活加权的隐状态分布，投影到共享参考空间后用Wasserstein距离比较；作者证明该表示对激活缩放不变、扰动下稳定。 实验显示该方法优于decoder向量和基于LLM的基线，并能自动把大型特征电路压缩为可解释的超节点。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。