**HuggingFace论文：利用对话结构高效筛选自然语言自编码器中的关键解释Token**

_Selecting The Most Informative Tokens in Natural Language Autoencoders_

> 该研究针对自然语言自编码器解释成本高的问题，在470万条提示注入与隐藏案例中对比了模型计算信号与基于对话结构的排序器。结果显示，仅基于对话结构即可比计算信号更有效地筛选关键位置，解释5%的Token即可保留几乎全部威胁检测成功率。此外，预训练解释器还能恢复模型通过微调隐藏的信息，为审计者提供了低成本、高精度的解释生成策略。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-30 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.37040)