MATCHA：学习跨模型激活对齐的显式多对多层映射
Get the story
2026年10月8日，arXiv Machine Learning Theory（一手来源）发表论文，提出名为 MATCHA 的跨模型激活对齐方法。该方法将对齐问题分解为两个可提取检查的因子：目标-源层映射矩阵与层共享特征映射，并从提示词中联合学习这两个因子。实验覆盖三个模型族的7个模型、共42对组合，结果显示 MATCHA 比此前方法更忠实地重建目标激活，并显著提升检索指标；恢复出的层映射在深度上大体单调，但呈多对多结构。目前报道仅涉及该论文的方法与实验结果，未见后续验证或争议信息。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Machine Learning TheoryMATCHA：用显式多对多层映射学习跨模型激活对齐
论文提出 MATCHA 方法，把跨模型激活对齐分解为可提取检查的目标-源层映射矩阵与层共享特征映射，并从提示词中联合学习两个因子。在覆盖三个模型族的 7 个模型共 42 对组合上，MATCHA 比此前方法更忠实重建目标激活并显著提升检索指标，恢复的映射在深度上大体单调但呈多对多结构。
Heat trend
Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.