arXiv 新增 · VLM interpretability / sparse autoencoder · P1 · 2026-06-25

Steering Vision-Language Models with Joint：它和通用视觉自监督的关系在于：把 SAE 做成显式跨模态对齐的 steerable features，适合诊断视觉语言表征

中高相关；详见方法、贡献和实验边界。

Steering Vision-Language Models with Joint Sparse Autoencoders　arXiv 新增 · VLM interpretability / sparse autoencoder　原文链接

编号2606.25657 优先级P1 类别arXiv 新增 · VLM interpretability / sparse autoencoder 会议arXiv 新增 · VLM interpretability / sparse autoencoder 方法把 SAE 做成显式跨模态对齐的 steerable features，适合诊断视觉语言表征来源arXiv / OpenReview

先说结论。它和通用视觉自监督的关系在于：把 SAE 做成显式跨模态对齐的 steerable features，适合诊断视觉语言表征。中高相关；详见方法、贡献和实验边界。

**Figureure 1 · : Overview of the JSAE Framework**Figure 1: Overview of the JSAE Framework. Stage 1 (Training): Vision and text activations are factorized into a shared overcomplete latent space, with a cosine-similarity constraint $( l _ { a l i g n } )$ aligning their decoder directions. Stage 2 (Intervention): Aligned semantic directions are extracted from the Text Decoder and additively injected onto image-token positions (mask m) during the forward pass, steering visual processing and subsequent generation.这张图概括 Steering Vision-Language Models with Joint 的整体方法流程。阅读时先看模块之间传递的训练信号，再看作者如何把目标拆成可优化的子问题。

**Figureure 2 · : Asymmetric Intervention Dynamics**Figure 2: Asymmetric Intervention Dynamics. Upper (blue): additive steering Accuracy peaks at Layer 25 (≈ 7.22). Lower (red): suppression scores stay in a narrow range (≈ 5.5) across depths. Additive controllability is layer-specific, while suppression effects appear across all probed layers.这张图/表用于判断 Steering Vision-Language Models with Joint 的实验收益来自哪里。重点看替换、消融或跨模型设置下趋势是否一致，而不是只看单个最高分。

核心问题

它和通用视觉自监督的关系在于：把 SAE 做成显式跨模态对齐的 steerable features，适合诊断视觉语言表征。

方法拆解

把 SAE 做成显式跨模态对齐的 steerable features，适合诊断视觉语言表征

主要贡献

中高相关；详见方法、贡献和实验边界。

实验看点

实验部分建议重点看两类证据：一是作者是否把方法收益和更强数据、更长训练、更大模型区分开；二是跨模型、跨数据或跨任务迁移是否还能保留同样趋势。

局限与读法

这篇论文的结论需要结合任务设置、训练数据规模和消融实验一起看；不要只凭单个指标判断它对通用视觉表征的价值。