SALVE：稀疏自编码器-潜在向量编辑用于神经网络的机械控制

深度神经网络取得了令人瞩目的性能，但仍难以解释和控制。我们提出 SALVE（稀疏自编码器-潜在向量编辑），一个统一的“发现、验证、控制”框架，连接机械可解释性和模型编辑。通过 $\ell_1$ 正则化自编码器，我们在无监督情况下学习稀疏、模型原生特征基。我们采用 Grad-FAM 进行特征级可解释性映射，以可视化方式将潜在特征 grounding 在输入数据上。利用自编码器的结构，我们执行精确且持久的权重空间干预，实现对类别定义特征和跨类别特征的连续调制。我们进一步推导出关键抑制阈值 $\alpha_{crit}$，量化每个类别对其主导特征的依赖程度，支持细粒度鲁棒性诊断。我们的方法在卷积（ResNet-18）和基于变换器（ViT-B/16）模型上均得到验证，展示了对其行为实现一致、可解释的控制。本工作为将特征发现转化为可操作模型编辑提供了原则方法，推动了透明和可控 AI 系统的发展。