待验证50% 置信事实精确时间

在表征层面，对抗训练的鲁棒模型更易被SAE分解，且在任务归因中调用的SAE特征更少

1

来源数

50%

置信度

长期有效

时效性

2026/9/30

首次发现

来源

表征简洁≠电路更小：对抗训练揭示可解释性的阈值分野

涉及实体

SAEconcept 对抗训练concept

相关事实

待验证针对特定任务域进行专项训练可在换取通用能力适度取舍的前提下削减推理计算资源71% 相似已验证LoRA通过只训练少量适配层（低秩矩阵旁路训练）来降低微调成本70% 相似待验证在过参数化区间存在无数个能完美拟合训练数据的解，优化算法如SGD倾向于选择范数最小的解，这种隐式正则化使模型获得更好泛化性能70% 相似待验证稀疏自编码器（SAE）是一种无监督学习工具，被训练用来将神经网络的激活向量分解为一组稀疏的、可解释的特征方向69% 相似待验证扩散模型的训练目标为简单的去噪均方误差，相比GAN避免了对抗训练的不稳定性，降低了模式崩塌的风险69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/961073

API

curl https://kongchang.com/api/v1/knowledge/claims/961073

MCP

get_claim(id=961073)