LanSE：用稀疏编码器评估多模态生成

2026 年 10 月 26 日，AGI Hunt 报道了 Tangible Research 的 Yiming Tang 介绍的团队新工作 LanSE（Language-Grounded Sparse Encoders）。该工作把稀疏编码器（SAE）用于评估多模态模型生成的内容，而不只是用于解释模型。报道指出，目前多数使用 SAE 的多模态研究属于可解释性方向，关注的是解释多模态基础模型内部学到的概念；LanSE 的做法不同，它以语言锚定的稀疏特征来分析多模态模型的生成结果，也就是把稀疏编码器从模型内部机制的解释工具，转为面向生成内容的评估手段。报道未披露该方法的具体指标、实验设置与评测结果。截至最新报道，该工作仍处在由团队研究者对外介绍阶段。

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。