arXiv · cs.AI · Rocio Perales Valdes, Animesh Garg · 8 小时前模型评分41
逐 token SAE 引导可改写 π0.5 机器人目标，但有效深度有限
Editing the Goal: Per-Token SAE Steering and Its Depth Limits in $\pi_{0.5}$
导读
研究显示，替换单个目标词的稀疏自编码器（SAE，Sparse Autoencoder）特征、保持指令文本不变，可让机器人基础模型 π0.5 在 LIBERO 仿真中改做另一任务，第 0 层 BatchTopK 特征替换最多 20/20 次 rollout 成功，而随机替换全部失败。
分类置信度
中 · 待人工复核
- 存在未解决的相邻类别：foundation-models，需要人工复核。
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We show that replacing the SAE features of a single goal word with those of an alternative goal word, leaving the instruction text unchanged, steers $\pi_{0.5}$-LIBERO into completing the alternative task.”
- “These results are proof of existence in an RFM in simulation and an initial map of how deep goal-redirecting edits remain effective.”
来源：arXiv · cs.AI · arxiv.org