Buchumschlag

From Token Lists to Graph Motifs: Weisfeiler-Lehman Analysis of Sparse Autoencoder Features

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fernandez-Boullon, Ruben, Magariños-Docampo, Pablo, Perez-Robles, Javier
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Generalizing Weisfeiler-Lehman Kernels to Subgraphs
von: Kim, Dongkwan, et al.
Veröffentlicht: (2024)

Weisfeiler-Lehman goes Dynamic: An Analysis of the Expressive Power of Graph Neural Networks for Attributed and Dynamic Graphs
von: Beddar-Wiesing, Silvia, et al.
Veröffentlicht: (2022)

Attacking Graph Neural Networks with Bit Flips: Weisfeiler and Lehman Go Indifferent
von: Kummer, Lorenz, et al.
Veröffentlicht: (2023)

Patch-Effect Graph Kernels for LLM Interpretability
von: Fernandez-Boullon, Ruben, et al.
Veröffentlicht: (2026)

How Hard Is It for Message-Passing GNNs to Simulate One Weisfeiler-Lehman Color-Refinement Step?
von: Cui, Guanyu, et al.
Veröffentlicht: (2024)

Domain-Filtered Knowledge Graphs from Sparse Autoencoder Features
von: Winnicki, John, et al.
Veröffentlicht: (2026)

Measuring Sparse Autoencoder Feature Sensitivity
von: Tian, Claire, et al.
Veröffentlicht: (2025)

Symmetry-Invariant Novelty Heuristics via Unsupervised Weisfeiler-Leman Features
von: Chen, Dillon Z.
Veröffentlicht: (2025)

From Atoms to Trees: Building a Structured Feature Forest with Hierarchical Sparse Autoencoders
von: Luo, Yifan, et al.
Veröffentlicht: (2026)

Weisfeiler and Lehman Go Categorical
von: Choi, Seongjin, et al.
Veröffentlicht: (2026)

Edged Weisfeiler-Lehman Algorithm
von: Yue, Xiao, et al.
Veröffentlicht: (2025)

Sparse Autoencoder Features for Classifications and Transferability
von: Gallifant, Jack, et al.
Veröffentlicht: (2025)

Adaptive Sparse Allocation with Mutual Choice & Feature Choice Sparse Autoencoders
von: Ayonrinde, Kola
Veröffentlicht: (2024)

RSVP: Beyond Weisfeiler Lehman Graph Isomorphism Test
von: Dutta, Sourav, et al.
Veröffentlicht: (2024)

Learning Multi-Level Features with Matryoshka Sparse Autoencoders
von: Bussmann, Bart, et al.
Veröffentlicht: (2025)

Feature Starvation as Geometric Instability in Sparse Autoencoders
von: Chaudhry, Faris, et al.
Veröffentlicht: (2026)

The Geometry of Concepts: Sparse Autoencoder Feature Structure
von: Li, Yuxiao, et al.
Veröffentlicht: (2024)

Causal Interpretation of Sparse Autoencoder Features in Vision
von: Han, Sangyu, et al.
Veröffentlicht: (2025)

Weisfeiler-Leman Features for Planning: A 1,000,000 Sample Size Hyperparameter Study
von: Chen, Dillon Z.
Veröffentlicht: (2025)

Feature Hedging: Correlated Features Break Narrow Sparse Autoencoders
von: Chanin, David, et al.
Veröffentlicht: (2025)

A is for Absorption: Studying Feature Splitting and Absorption in Sparse Autoencoders
von: Chanin, David, et al.
Veröffentlicht: (2024)

Graph-Regularized Sparse Autoencoders for LLM Safety Steering
von: Yeon, Jehyeok, et al.
Veröffentlicht: (2025)

On the Power of the Weisfeiler-Leman Test for Graph Motif Parameters
von: Lanzinger, Matthias, et al.
Veröffentlicht: (2023)

Improving Steering Vectors by Targeting Sparse Autoencoder Features
von: Chalnev, Sviatoslav, et al.
Veröffentlicht: (2024)

Sparse but Wrong: Incorrect L0 Leads to Incorrect Features in Sparse Autoencoders
von: Chanin, David, et al.
Veröffentlicht: (2025)

Semantic Optimal Transport for Sparse Autoencoder Feature Matching and Circuit Compression
von: Cao, Tue M., et al.
Veröffentlicht: (2026)

From Classification to Generation: An Open-Ended Paradigm for Adverse Drug Reaction Prediction Based on Graph-Motif Feature Fusion
von: Pi, Yuyan, et al.
Veröffentlicht: (2026)

Control Reinforcement Learning: Interpretable Token-Level Steering of LLMs via Sparse Autoencoder Features
von: Cho, Seonglae, et al.
Veröffentlicht: (2026)

AbsTopK: Rethinking Sparse Autoencoders For Bidirectional Features
von: Zhu, Xudong, et al.
Veröffentlicht: (2025)

Sparse Autoencoders Do Not Find Canonical Units of Analysis
von: Leask, Patrick, et al.
Veröffentlicht: (2025)

Sparse Autoencoders, Again?
von: Lu, Yin, et al.
Veröffentlicht: (2025)

LLMTM: Benchmarking and Optimizing LLMs for Temporal Motif Analysis in Dynamic Graphs
von: Hao, Bing, et al.
Veröffentlicht: (2025)

Interpretable Embeddings with Sparse Autoencoders: A Data Analysis Toolkit
von: Jiang, Nick, et al.
Veröffentlicht: (2025)

Rethinking Sparse Autoencoders: Select-and-Project for Fairness and Control from Encoder Features Alone
von: Bărbălau, Antonio, et al.
Veröffentlicht: (2025)

Are Sparse Autoencoder Benchmarks Reliable?
von: Chanin, David
Veröffentlicht: (2026)

Constrain Alignment with Sparse Autoencoders
von: Yin, Qingyu, et al.
Veröffentlicht: (2024)

Sparse Autoencoders Learn Monosemantic Features in Vision-Language Models
von: Pach, Mateusz, et al.
Veröffentlicht: (2025)

Weisfeiler and Lehman Go Paths: Learning Topological Features via Path Complexes
von: Truong, Quang, et al.
Veröffentlicht: (2023)

MotifGPL: Motif-Enhanced Graph Prototype Learning for Deciphering Urban Social Segregation
von: He, Tengfei, et al.
Veröffentlicht: (2024)

Mechanistic Knobs in LLMs: Retrieving and Steering High-Order Semantic Features via Sparse Autoencoders
von: Zhang, Ruikang, et al.
Veröffentlicht: (2026)