研究用逐词 SAE 操控机器人目标，探明有效深度上限
原文标题：Editing the Goal: Per-Token SAE Steering and Its Depth Limits in $\pi_{0.5}$
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。
arXiv 论文研究稀疏自编码器（SAE）特征能否改写机器人基础模型 π0.5 的任务目标。实验显示，替换单个目标词的 SAE 特征可在不改指令文本的情况下让模型执行替代任务，第 0 层最多 20/20 次成功。逐层激活修补表明目标词编辑对物体位置有效至第 6 层、物体身份至第 2 层，覆盖相机 token 时可延至第 13 层。
- 问题
- SAE 特征能否直接改写机器人基础模型的任务目标，此前未经验证。
- 方法
- 替换 π0.5 指令中单个目标词的 SAE 特征，并用逐层激活修补定位有效深度。
- 结果
- 第 0 层替换特征最多 20/20 次成功重定向；目标词编辑对物体位置有效至第 6 层、物体身份至第 2 层，覆盖相机 token 可延至第 13 层。
- 影响
- 为机器人模型的指令级可解释控制提供可行性证据与深度边界，但仅限仿真且 SAE 并非必需。
深读 · 结论先行AI 生成展开看要点与影响 ↓
逐词替换SAE特征可改写π0.5任务目标，第0层最多20/20次成功
- •替换单个目标词的SAE特征、不改指令文本，即可让π0.5-LIBERO执行替代任务
- •第0层BatchTopK特征替换最多20/20次成功，而随机特征替换无一成功
- •效果依赖SAE架构：Matryoshka逐词编辑大多不优于随机；且无需SAE，固定差值均值向量放大两倍可重定向8-10/10次
- •逐层激活修补显示目标词编辑对物体位置有效至第6层、物体身份至第2层，覆盖相机token可延至第13层
为什么重要：首次在机器人基础模型中证明目标可被特征级编辑重定向，并给出有效深度地图，对可解释性与安全干预都有意义。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌 DeepMind 发布 AlphaGenome 2，精细预测突变细胞效应
AI 摘要谷歌 DeepMind 推出 AlphaGenome 2，基于 68 种组织、超 1 亿个细胞图谱训练，可预测遗传变异对特定细胞类型与状态的影响。该模型识别出的影响基因表达的变异数量约为上一代的两倍，并能在未重新训练的情况下预测新细胞类型，有望助力疾病机理研究与药物靶点发现。
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。