English(EN) PairSAE: Mechanistic Interpretability from Pair Representations in Protein Co-Folding

PairSAE方法增强了蛋白质共折叠模型的可解释性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-29 04:00

研究人员开发了PairSAE，一种在蛋白质共折叠基础模型中实现机制可解释性的新方法。与难以处理成对表示的二次特征爆炸的标准稀疏自编码器不同，PairSAE使用N模SVD总结这些张量，以识别token级别的交互作用。这种方法能够学习共享的token级别特征，这些特征可以解码为序列和对表示，从而更清晰地了解模型对结构生物学概念的理解。 AI

影响增强了对结构生物学基础模型如何学习和表示复杂生物数据的理解。

排序理由该集群包含一篇研究论文，详细介绍了一种在特定AI应用领域实现机制可解释性的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Giosue Migliorini, Aristofanis Rontogiannis, Grigori Guitchounts, Nicholas Franklin, Axel Elaldi, Olivia Viessmann · 2026-06-29 04:00

PairSAE: Mechanistic Interpretability from Pair Representations in Protein Co-Folding

arXiv:2606.27440v1 Announce Type: new Abstract: Foundation models for structural biology have achieved remarkable performance in predicting biomolecular structure and show promise for the design of proteins and small molecules. Yet understanding which internal features drive thei…

报道来源 [1]

PairSAE: Mechanistic Interpretability from Pair Representations in Protein Co-Folding

相关实体

相关话题