OpenSAE 新研究：稀疏自编码器特征仅部分可组合，需交互项才能准确预测

OpenSAE 发布论文研究 SAE 特征的行为可组合性：用「联盟干预」方法冻结模型后逐个开关 SAE 特征，测量其对目标 logit 的贡献。结果显示特征仅部分可加，部分场景接近一阶叠加（SAR₁ 低至 0.02），也存在明显交互效应（SAR₁=0.40）。仅用单个特征的独立效应无法准确预测模型行为，需引入成对交互项才能做好行为预测与 steering。