待验证50% 置信事实精确时间
该研究使用EAP（Edge Attribution Patching）来识别任务相关组件，如注意力头和logit层级激活
1
来源数
50%
置信度
长期有效
时效性
2026/9/21
首次发现
来源
涉及实体
相关事实
待验证可解释性研究试图通过机械可解释性、注意力可视化、特征归因等方法理解模型内部工作机制63% 相似待验证解决细粒度视觉识别近邻歧义的主流技术路径包括注意力机制、部件检测网络和度量学习63% 相似待验证Prompt-to-Prompt的核心洞见是扩散模型中交叉注意力层的注意力图直接控制了图像的空间布局62% 相似待验证为解决果冻感问题，研究者引入了时序注意力层（Temporal Attention）、光流引导（Optical Flow Guidance）以及帧间一致性损失函数等技术手段61% 相似待验证IP-Adapter通过将参考图像的视觉特征注入交叉注意力层，ControlNet通过添加骨骼图、边缘图等结构化条件约束生成结果61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/938016API
curl https://kongchang.com/api/v1/knowledge/claims/938016MCP
get_claim(id=938016)