SAEの特徴は本当に『足し算』できるのか? SAR指標をGPT-2 Smallで再現した

解釈可能性分野の論文「Behavioral Compositionality of Sparse Autoencoder Representations」を再現し、SAEの特徴が独立して足し算可能かを検証した記録。エージェントツール検証から一歩踏み込み、論文の理論を実際に手を動かして紐解きます。