SAELens 是训练与分析稀疏自编码器（Sparse Autoencoders, SAE）的库，用于把多义性的神经网络激活分解为稀疏、可解释的特征。其来源为 Anthropic 关于单义性的研究，代码仓库为 jbloomAus/SAELens。
用途与适用场景：当需要发现模型激活中的可解释特征、了解模型学到的概念、研究叠加与特征几何、做基于特征的 steering 或消融、分析安全相关特征（欺骗、偏见、有害内容）时使用。若只需基础激活分析，可改用 TransformerLens；做因果干预实验可用 pyvene 或 TransformerLens；需要生产级 steering 可考虑直接激活工程。
安装与依赖：命令为 pip install sae-lens。要求 Python 3.10+、transformer-lens>=2.0.0。
主要能力：加载与使用预训练 SAE、训练自定义 SAE、特征分析与 steering、特征归因。预训练 SAE 可按 release 与 sae_id 加载，例如 gpt2-small-res-jb、gemma-2b-res，也可在 HuggingFace 搜索 saelens 标签。
用法要点：用 HookedTransformer 加载模型并获取激活，用 SAE.from_pretrained() 加载匹配层，调用 sae.encode() 得到稀疏特征、sae.decode() 重建激活。训练用 LanguageModelSAERunnerConfig 与 LanguageModelSAETrainingRunner，v6 采用嵌套配置：SAE 选项在 sae= 子配置中，日志在 logger= 中；可选 StandardTrainingSAEConfig、TopKTrainingSAEConfig（直接设 k）、GatedTrainingSAEConfig、JumpReLUTrainingSAEConfig，旧扁平选项如 hook_layer、activation_fn、log_to_wandb 等在 v6 已移除。
评估指标包括 L0、CE Loss Score、死特征比例、解释方差。常见问题与处理：死特征多可启用 l1_warm_up_steps；重建差可降低 l1_coefficient 或增大 d_sae；特征不可解释可提高 L1 或改用 TopK SAE；内存不足可减小批量。可在 Neuronpedia 浏览预训练特征，文档与教程见 references/ 目录，其他细节暂未提供。