稀疏自编码器语义最优传输研究发布

2026年10月21日，研究团队发布题为《用于稀疏自编码器特征匹配与电路压缩的语义最优传输》的论文，该成果已被NeurIPS 2026接收。论文提出一种基于语义最优传输的统一框架，利用Wasserstein距离估计稀疏自编码器不同激活流形间的语义距离，旨在解决跨层特征匹配与电路压缩难题。 该研究提出特征表示采用激活加权分布而非单一解码向量，此方法对激活重缩放保持不变且对扰动具有稳定性，在有限样本裕度条件下可恢复真实匹配。经验证，该方法在性能上优于解码向量及大语言模型基线，并能自动将大型特征电路压缩为可解释的超节点。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。