基于稀疏自编码器的激活转向信息论设计框架

研究提出基于 Jensen-Shannon 散度（JSD）的信息论框架，分析稀疏自编码器（SAE）激活转向。 该框架通过 JSD 量化生成状态与目标分布偏差，构建转向向量并监测偏离。 实验在问题模式生成任务中验证了转向有效性，并分析了安全相关目标特征。