NeurIPS 2025 | DePass：通过单次前向传播分解实现统一的特征归因

清华与上海 AI Lab 团队提出 DePass——一种基于分解前向传播的统一特征归因框架，可在 token、神经元、注意力头及子空间等多个层级对 Transformer 模型进行细粒度、无损归因。相比传统方法，DePass 计算高效且归因更忠实，在 CounterFact 任务中通过定向遮罩将事实准确率从约10%提升至40%以上，并在组件重要性评估上超越主流指标，为大模型可解释性研究提供了通用新工具。
来源：https://mp.weixin.qq.com/s/-3TBpNIaFxLHn0fuigwd4g