본 논문은 대규모 언어 모델(LLM)의 보편성 가설에 대한 새로운 관점인 "유사 특징 보편성"을 제시합니다. 기존 연구들이 LLM의 내부 표현인 특징들의 동일성에 초점을 맞춘 것과 달리, 본 논문은 다의성 문제를 해결하기 위해 스파스 오토인코더(SAE)를 사용하여 개별 개념에 대응하는 특징들을 추출합니다. 그리고 서로 다른 모델에서 학습된 SAE 특징들의 공간이 회전 불변 변환 하에 유사하다는 가설을 검증합니다. 활성화 상관관계를 통해 SAE 특징들을 짝짓고, 표상 유사성 측정법을 이용하여 짝지어진 특징들의 공간적 관계 유사성을 측정하는 실험을 통해, 다양한 LLM에서 SAE 특징 공간의 높은 유사성을 보여줌으로써 특징 공간 보편성에 대한 증거를 제시합니다. 이는 잠재 공간과 관련된 해석 가능성 기법(예: 조종 벡터)이 특정 변환을 통해 모델 간에 전달될 수 있음을 시사합니다.
