研究者提出TaxoSAE将分类学逻辑引入稀疏自编码器

2026年10月26日，arXiv发布的研究显示，研究人员提出了TaxoSAE，将上下位分类信息显式编码至大语言模型的稀疏自编码器（SAE）特征空间，以实现一致的知识读取与精确控制。TaxoSAE通过按层级堆叠SAE并引入对齐损失，使概念交换成功率提升25.5分；在抑制目标概念时，其准确率降至0-2%，而其余概念维持在91-100%；此外，未见概念的上位词读取准确率最高提升了37.9分。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。