依据 linear representation hypothesis表明神经网络将有意义的concept（称为feature特征 ）表示为其激活空间中的方向**这一概念，我们利用SAE与缩放定律在LLM的激活空间中提取有意义（可解释的）的concept/features。
一旦 SAE 训练完成，它就会为我们提供一个模型激活的近似分解，将其分解为“特征方向”（SAE 解码器权重）的线性组合，其系数等于特征激活。