研究：SAE 训练激活缓存压缩需按站点校准，int4 可能不如重设随机种子
原文标题：How Small Can We Go? Calibrating Activation-Cache Compression for SAE Training
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文通过冻结 SAE 测试与重训练测试，考察激活缓存压缩对稀疏自编码器特征保留的影响。结果显示保留特征比例缺乏统一尺度：GPT-2 缓存转 fp16 保留 60.6% 特征，而仅改变百万分之一数值却保留 70.5%，重设随机种子保留 23.0%。作者提出以相同字节重训练为上限、重设种子为下限的校准方法，发现逐通道标准化可让 int4 在同等文件大小下回到下限之上。
- 问题
- 激活缓存压缩对 SAE 特征保留的影响缺乏可靠衡量尺度。
- 方法
- 用冻结 SAE 测试与重训练测试，并以同字节重训为上限、重设随机种子为下限做校准。
- 结果
- GPT-2 缓存转 fp16 保留 60.6% 特征，重设种子仅保留 23.0%；逐通道标准化可让 int4 回到下限之上。
- 影响
- 做 SAE 可解释性工程时，int4 压缩未必优于换随机种子，需按站点校准后再选编码方案。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。