深度分析
黎曼流形導引:GAGA 自編碼器與 Hellinger 拉回度量的無標籤模型操控
這篇研究將語言模型的「操控」(steering)重新框為黎曼幾何上的測地線問題,提出以幾何感知生成自編碼器(GAGA)學習一個輸出空間 Hellinger 距離的拉回度量,作為在激活空間上計算路徑的代理。
深度分析
這篇研究將語言模型的「操控」(steering)重新框為黎曼幾何上的測地線問題,提出以幾何感知生成自編碼器(GAGA)學習一個輸出空間 Hellinger 距離的拉回度量,作為在激活空間上計算路徑的代理。
深度分析
潛在擴散模型生成精細影像但潛空間不穩定。本研以黎曼幾何檢視生成雅可比,分解為局部尺度與局部複雜度,以投影高頻能量衡量曲率與細節關聯。實驗顯示OOD情況下曲率與細節脫鉤,提出LC/PHFE比率可作無標註OOD偵測。此指標在實務部署上具監控與稽核潛力。