跳到正文
arXiv · 机器人与计算机视觉· Calvin Yeung, Prathyush Poduval, Ali Zakeri, Zhuowen Zou, Mohsen Imani·· 2026-10-08AI 评分55

用于解释扩散模型的残差化时序稀疏自编码器

Residualized Temporal Sparse Autoencoders for Interpreting Diffusion Models

AI 导读

本文介绍了一种名为 ReSAE 的新方法,旨在解决现有稀疏自编码器(SAEs)仅分析单个时间步或条件于时间的局限。ReSAE 通过拟合相邻时间步之间的线性预测器,将每个特征表示为初始激活及其残差,从而鼓励潜在变量捕捉超出线性可预测性的结构。

来源:arXiv · 机器人与计算机视觉 · arxiv.org