语义最优传输用于稀疏自编码器特征匹配与电路压缩

研究者提出一种基于分布的最优传输框架，用激活加权分布而非单一解码向量表示 SAE 特征，并以 Wasserstein 距离在共享参考空间中统一度量跨层特征的语义距离。该方法在实验中优于解码向量和基于 LLM 的基线，能捕捉相关特征间的细微功能差异，并可自动将大型特征电路压缩为可解释的超级节点。