TopicScope：用稀疏自编码器做生成期话题监控
原文标题：Train on prefill, monitor at decode: Using sparse autoencoders for topic monitoring
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。
论文提出 TopicScope 框架，在稀疏自编码器（SAE）特征上训练因果话题分类器，为生成响应中的每个 token 打话题标签，标签可在回答中途变化。在 Gemma-3 1B 与 4B 上，用 prefill 隐状态特征训练的监控器可泛化到解码阶段，插入离题内容等扰动下最多损失 5 个 macro-F1 点；消融显示不用 SAE 的基线分类器体积大数倍。代码与检查点已开源。
- 问题
- 生成期话题监控此前只用于有害内容检测，且类别仅两三类。
- 方法
- 在稀疏自编码器特征上训练因果话题分类器，为每个 token 打话题标签，标签可在回答中途变化。
- 结果
- Gemma-3 1B/4B 上扰动下最多损失 5 个 macro-F1 点；不用 SAE 的基线分类器体积大数倍。
- 影响
- 话题监控可在 prefill 阶段低成本训练并部署到生成过程，为在线护栏提供新手段。
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。