arXiv 2026年5月28日该研究用稀疏自编码器（SAE）特征分析 Gemma 3 4B/12B IT 与 Qwen3-8B 在临床分诊情景下的表现，发现医学特征在两种格式下都激活于共享临床叙述，但在多选题决策 token 处失活；急诊分级信息在情景表征中线性可解码（ROC-AUC 0.95–1.00）且无显著格式差异，却在决策 token 处被衰减，脚手架峰值特征在 Gemma 模型中占未符号归因的 91% 以上，从而把格式效应的最强相关因素定位在答案选择阶段。该研究用稀疏自编码器（SAE）特征分析 Gemma 3 4B/12B IT 与 Qwen3-8B 在临床分诊情景下的表现，发现医学特征在两种格式下都激活于共享临床叙述，但在多选题决策 token 处失活；急诊分级信息在情景表征中线性可解码（ROC-AUC 0.95–1.00）且无显著格式差异，却在决策 token 处被衰减，脚手架峰值特征在 Gemma 模型中占未符号归因的 91% 以上，从而把格式效应的最强相关因素定位在答案选择阶段。稀疏自编码器定位临床分诊格式效应：医学特征在决策 token 处失活，脚手架特征占 Gemma 归因逾 91%该研究用稀疏自编码器（SAE）特征分析 Gemma 3 4B/12B IT 与 Qwen3-8B 在临床分诊情景下的表现，发现医学特征在两种格式下都激活于共享临床叙述，但在多选题决策 token 处失活；急诊分级信息在情景表征中线性可解码（ROC-AUC 0.95–1.00）且无显著格式差异，却在决策 token 处被衰减，脚手架峰值特征在 Gemma 模型中占未符号归因的 91% 以上，从而把格式效应的最强相关因素定位在答案选择阶段。该研究用稀疏自编码器（SAE）特征分析 Gemma 3 4B/12B IT 与 Qwen3-8B 在临床分诊情景下的表现，发现医学特征在两种格式下都激活于共享临床叙述，但在多选题决策 token 处失活；急诊分级信息在情景表征中线性可解码（ROC-AUC 0.95–1.00）且无显著格式差异，却在决策 token 处被衰减，脚手架峰值特征在 Gemma 模型中占未符号归因的 91% 以上，从而把格式效应的最强相关因素定位在答案选择阶段。