模型介绍
中文整理Qwen-Scope：解码智能，释放潜能
模型用途
Qwen-Scope 是基于 Qwen3 和 Qwen3.5 系列模型训练的可解释性模块。通过在 Qwen 的隐藏层中集成并训练稀疏自编码器（SAE），可以自动提取高度解耦、低冗余且显著更可解释的数据特征。
主要能力
分析 Qwen 模型的内部行为机制；支持模型优化；实现可引导的推理控制；进行评估样本分布分析与比较；支持数据分类与合成；辅助模型训练与优化。
输入输出
输入：基础 LLM 的前向传播过程，在指定层钩住残差流。输出：稀疏 SAE 特征激活。
运行要求
基础模型：Qwen3-1.7B-Base；SAE 宽度：32768；隐藏层大小：2048；扩展因子：16×；Top-K：50；钩子点：残差流；覆盖层数：0-27（共28层）；文件格式：PyTorch .pt 字典。
基本用法
每个 checkpoint 文件包含四个张量：W_enc（编码器权重矩阵）、W_dec（解码器权重矩阵）、b_enc（编码器偏置）、b_dec（解码器偏置）。使用 SAE 训练于基础模型来探索训练后 checkpoint 的内部过程是合理的做法。
限制
严格禁止将可解释性工具用于非科学研究目的干扰模型能力，或编造、生成和传播违反公序良俗和社会主义核心价值观的有害信息，包括色情、暴力、歧视性或煽动性内容。违规者将被自动终止授权，并承担由此产生的一切法律责任。
许可证
本声明的最终解释权归项目所有者所有。如在研究中使用这些 SAE，请引用相关技术报告。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。