稀疏自编码器引导改用信息论设计：DESSIRT在Llama与Gemma多数提问模式上胜过对比式基线
稀疏自编码器（SAE）引导此前多靠对比激活统计挑选特征，而特征可解释性与引导效用并不必然一致。DESSIRT把每个数据集表示为SAE特征点火概率向量，用Jensen–Shannon散度衡量干预后分布与目标分布的偏离，并据此解析地构造引导向量。在七类提问模式生成任务中，Llama 3.1-8B-Instruct上DESSIRT-2在除M2外的模式上优于SDCV基线，Gemma-2-9B-IT上多数模式也更好。