稀疏自编码器（SAE）通过稀疏字典原子将大语言模型（LLM）的激活分解为独立特征，使每个概念对应唯一特征。然而，特征吸收现象会导致父概念及其子概念（如水果与{苹果、香蕉、梨}）合并为同一方向，破坏这一假设。先前工作仅给出经验观察，缺乏何时共享方向成为代价最优表示的闭式预测。本文针对层次伯努利生成模型推导出相位边界：当有 $k$ 个活跃子概念且残差尺度为 $\alpha$ 时，$L_0$ 正则化的重构目标在 $$\lambda_c(k,\alpha)=\frac{\alpha^2 k}{k-1}$$ 处出现转折；若正则系数 $\lambda>\lambda_c$，则纯父概念吸收的代价严格低于纯子概念编码。基于此边界，我们提出 HiPACE 评估协议：在真实 SAE 字典上测量 WordNet 家族的父子解码器结构，先在发现阶段冻结统计量，再在未见家族上测试，并与随机兄弟对照组比较。实验表明，在合成数据的 30 个单元格中，边界预测误差不超过 $\pm15\%$。在 Pythia‑160m SAE 中，父子解码器差距的排序与理论一致，偏相关最高达 $-0.93$，在锁定持出集上仍保持显著（$p=0.002$），且能排除兄弟对照。进一步的激活组合实验将理论中的活跃子数映射到实际家族方向，残差流干预显示，签名家族方向提升父类 logits，符号翻转后效果逆转，随机控制则消失，证明了在家族子空间层面的因果充分性。
点评