Mechanistische Interpretierbarkeit von EEG-Foundation-Modellen via Sparse Autoencodern

arXiv:2605.13930v1 Ankündigungstyp: neu Abstract: EEG-Foundation-Modelle erzielen hochmoderne klinische Leistung, doch die internen Berechnungen, die ihre Vorhersagen treiben, bleiben undurchschaubar: ein Hindernis für klinisches Vertrauen. Wir wenden TopK Sparse Autoencoders (SAEs) auf drei architekturell unterschiedliche EEG-Modelle an…