论文：自然语言自编码器难区分真假解释

2026-10-14 01:051 篇报道1 个发布方

发生了什么

arXiv cs.LG论文指出，自然语言自编码器（NLAs）在监督任务中难以区分激活向量的真实与虚假解释。实验显示，尽管真解释能识别对应激活，但在面对仅单处差异的流畅假解释时，准确率仅为60.2%。理论表明训练为生成性游戏，而监督为判别性游戏，两者差距导致模型无法排除错误解释。

1 篇

发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。

来源关系与证据边界

按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。