緊湊證明

深度分析

跨層編碼器特徵交互度量與計算稀疏化：緊湊證明新突破

研究針對跨層編碼器（crosscoder）特徵交互提出互動度量，並以此設計計算稀疏的跨編碼器，僅保留單一特徵即可維持約60%MLP效能；相較標準跨編碼器僅保留10%效能。此度量亦可用於語意特徵聚類，協助偵測異常代理人，提升AI解釋性與安全性。