FaithfulSAE: Towards Capturing Faithful Features with Sparse Autoencoders without External Dataset Dependencies

Documenti analoghi

• CorrSteer: Generation-Time LLM Steering via Correlated Sparse Autoencoder Features
  di: Cho, Seonglae, et al.
  Pubblicazione: (2025)
• Control Reinforcement Learning: Interpretable Token-Level Steering of LLMs via Sparse Autoencoder Features
  di: Cho, Seonglae, et al.
  Pubblicazione: (2026)
• Toward Faithful Retrieval-Augmented Generation with Sparse Autoencoders
  di: Xiong, Guangzhi, et al.
  Pubblicazione: (2025)
• TimeSAE: Sparse Decoding for Faithful Explanations of Black-Box Time Series Models
  di: Oublal, Khalid, et al.
  Pubblicazione: (2026)
• OrtSAE: Orthogonal Sparse Autoencoders Uncover Atomic Features
  di: Korznikov, Anton, et al.
  Pubblicazione: (2025)