论文用位移点云拓扑结构选择激活引导层，无需留出验证。
资讯摘要
论文提出 TopoSteer，一种基于拓扑的激活引导层选择方法。作者认为选层关键不在两类激活的可分性或单样本位移与均值的一致性，而在逐样本位移点云的整体范围，因此用位移点云欧氏最小生成树的 H_0 持续度总长给每层打分。作者证明随样本级变异增大，TopoSteer 与可判别性会朝相反方向变化，二者可能给出相反的层排序。在多个语言模型和引导任务上，该方法无需留出验证即可取得更有效的引导。
要点速读
- TopoSteer 以位移点云欧氏最小生成树的 H_0 持续度总长作为层评分。
- 作者证明样本级变异增大时，TopoSteer 与可判别性的排序方向可能相反。
- 在多个语言模型和引导任务上，该方法无需留出验证即可完成选层。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。