稀疏自编码器

稀疏自编码器（SAEs）已成为逆向工程大语言模型（LLMs）的核心组成部分。SAEs通过将中间表示分解为可解释特征的稀疏和，促进了对模型内部机制的更好理解和控制。然而，类似的分析和方法在文本到图像模型...