MAEM元模型解释残差流方向

2026年11月6日，arXiv Artificial Intelligence 刊出 Celeste De Schamphelaere 等作者的论文，提出 Maximally-Activating Example Metamodels（MAEMs）方法。据该文，MAEMs 是一类语言模型，用于把主体模型的残差流方向映射为能强烈激活这些方向的文本样例；研究者采用无标签强化学习目标，最大化生成文本激活与给定方向的余弦相似度，从而通过扩展激活反演来解释任意残差流方向。报道未给出实验对象、数据集、评测指标或方法局限等进一步细节，也未提及与早先报道存在数字、时间或说法上的矛盾。目前该工作处于论文发布阶段，后续进展尚待跟进报道。

AI 根据报道生成 · 2 天前更新