Files
myWiki/concepts/concept-point-cloud-manifold.md
2026-07-20 14:14:55 +08:00

1.7 KiB
Raw Blame History

title, created, updated, type, tags, sources
title created updated type tags sources
Concept Point-Cloud Manifold (概念点云流形) 2026-07-10 2026-07-10 concept
representation-learning
conceptual-representation
neural-population-geometry
point-cloud
shared-concept-geometry-2026

Concept Point-Cloud Manifold (概念点云流形)

Hu et al. (ICML 2026) 对 LLM 中概念表示的重新形式化:概念不是稳定向量,而是点云流形

形式化定义

对模型 m概念词 w 在上下文 c 中的表示:

r^{(m)}(w, c) ∈ M^{(m)} ⊂ R^{d_m}

跨 N 个上下文实例的集合:

X_w^{(m)} = {r^{(m)}(w, c_i)}_{i=1}^N

这个点云被视为从潜在分布 P_w^{(m)} 的经验采样——参数形式不假设,通过成对核矩阵非参数地表征其几何。

神经群体几何的类比

从神经群体几何Chung & Abbott, 2021借用的视角

  • 刺激类别 → 神经状态空间中的点云流形
  • 身份保持的输入变化 → 群体响应的分布
  • 稀疏采样 → 点云的外显形式

在 LLM 中:概念 = 刺激类别;上下文 = 身份保持变化 → 同一概念的分布式表示在不同上下文中采样。

与传统"概念 = 向量"的区别

传统视角 点云流形视角
概念是单一方向/向量 概念是分布 P_w
上下文扰动静态向量 上下文从 P_w 中采样
可以有"概念向量" 概念是几何分布的集合
steering = 加方向 steering 丢弃结构化残差

参考