Universal Sparse Autoencoder (USAE) 是一个创新框架，旨在帮助研究人员理解不同深度神经网络（如 DinoV2、SigLIP、ViT）共享的概念。它通过训练一个共享的稀疏自编码器，学习一个通用的概念空间，从而实现跨模型的概念对齐。USAE 在视觉模型上验证了其有效性，能够发现从低级（如颜色、纹理）到高级（如物体、组合）的通用概念。该框架的引入对于缓解模型风险、探索创新架构以及满足监管合规性具有重要意义。
