# 联合文档自助法

比较两个稀疏自编码器（SAE，把模型激活拆成稀疏学习分量的字典）时，需要同时回答整本字典差多少、差在哪些潜变量、以及多少来自有限文档的抽样波动。这套方法用一张能量加权的最优传输计划把三者连起来：计划的总代价是字典级差异，代价可按潜变量精确分解，传输比例描述每个潜变量的激活能量如何分配到对方潜变量上，并给出联合渐近置信区间。在四个语言模型上，它定位了同数据不同随机种子训练出的SAE之间的差异，并把主题相关的改变拆成权重项与代价矩阵项。

比较两个稀疏自编码器（SAE，把模型激活拆成稀疏学习分量的字典）时，需要同时回答整本字典差多少、差在哪些潜变量、以及多少来自有限文档的抽样波动。这套方法用一张能量加权的最优传输计划把三者连起来：计划的总代价是字典级差异，代价可按潜变量精确分解，传输比例描述每个潜变量的激活能量如何分配到对方潜变量上，并给出联合渐近置信区间。在四个语言模型上，它定位了同数据不同随机种子训练出的SAE之间的差异，并把主题相关的改变拆成权重项与代价矩阵项。