跨模型可解释性不再各说各话:GB-SAE 用共享字典统一 ViT、SigLIP、DINOv2 的概念
不同基础模型对同一图像学到的语义概念彼此不兼容,此前的方法只能把各模型自己的概念在坐标上对齐,概念本身仍无法共享。GB-SAE 把跨模型可解释性写成表示分解问题,用共享瓶颈编码器和可学习门控把隐变量分到共享字典与私有字典,在 ImageNet-1K 的 ViT、SigLIP、DINOv2 表示上,仅用共享字典重建的平均 为 0.53/0.55(投影/原始),总重建为 0.60/0.60,比预测特征均值提升 60%。