Caltech提出SAE-NO：用函数表示概念

2026年10月6日，有报道称Caltech团队提出稀疏自编码器神经算子（SAE-NO），相关论文被NeurIPS 2026接收。该框架基于傅里叶神经算子（FNO），把概念参数化为函数而非标量，并用概念稀疏性与域稀疏性双重稀疏来分离结构与表达能力。论文arXiv编号2509.03738，作者为Bahareh Tolooshams、Ailsa Shen、Anima Anandkumar。名称上存在不一致：早先报道称其为SAE-FNO，最新报道标题仍写SAE-FNO，但正文将该框架称为SAE-NO（稀疏自编码器神经算子）。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。