研究：编辑SAE特征可重定向π0.5任务目标

Rocio Perales Valdes 与 Animesh Garg 发表的研究显示，在 LIBERO 仿真中逐 token 替换 π0.5 机器人基础模型单个目标词的稀疏自编码器（SAE）特征、保持指令文本不变，可让模型改做另一任务；第 0 层 BatchTopK 特征替换最多 20/20 次 rollout 成功，随机替换则全部失败。 作者称，这一结果只是该机器人基础模型在仿真中的存在性证明，并初步标出目标重定向编辑的有效深度有限。

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。