扩散模型为何在特定对象上丢失风格？稀疏自编码器诊断与修正
本文提出了一种基于逐步稀疏自编码器（step-wise SAE）的可解释性框架，用于诊断和修正文本到图像扩散模型中特定对象导致的概念实现失败（object-dependent concept brittleness），通过在推理时向类原型插值来恢复缺失的风格或属性证据。
SAE
FailSAE：通过稀疏自编码器实现视觉-语言模型的可解释故障预测
本文提出 FailSAE，一种基于稀疏自编码器（SAE）的三阶段故障感知训练框架，通过解耦 VLM 内部表示为稀疏概念方向，实现了比现有基线更准确且具备概念级可解释性的故障预测。