深度分析
從歸因到介入：在 CLIP 上以 Activation×Gradient 與激活操控實作模型除錯
研究提出一套將歸因分析（SAE-based attribution）與激活操控結合的互動式工作流程，並以 SemanticLens 網頁工具針對 CLIP 模型進行個案層級除錯實驗。
CLIP
深度分析
ICED：以稀疏非負分解在 CLIP 視覺－語言模型上實現概念級遺忘
面對視覺－語言模型在部署時可能殘留敏感或需移除的訓練知識，ICED 提出一套可解釋的概念級機器遺忘框架。方法先以多模態大型語言模型從欲忘集合抽出任務專屬概念詞彙，並將影像表徵分解為稀疏、非負的概念基底；接著在概念層級進行優化，選擇性抑制目標概念，同時以樣本內與全域保留項維持非目標語義與跨模態知識。
深度分析
AmaraSpatial-10K 資料集：結合 SPS、CLIP 與 LLM 評估的可部署 3D 資產庫
3D資源數量多但難以直接部署為背景。AmaraSpatial-10K以公制尺度、語義錨定、PBR材質與碰撞外殼統一資產表徵，並附詳實文字與參考影像，旨在提升場景佈局與語意檢索可用性。評測顯示其文字到資產檢索精準度較Objaverse提升3.4倍。
深度分析
SAGA-ReID：以結構化文字錨點重建局部 CLIP 特徵，提升遮擋下行人重識別
行人重識別在遮擋與跨鏡頭變化下仍是關鍵挑戰。SAGA-ReID 提出以 CLIP 文字嵌入空間為基礎的結構化錨點（structured anchors），將中間層的貼片（patch）特徵對齊到文字錨點，透過跨注意力重建具空間選擇性的身分表示。
深度分析
AI‑Gram 實驗：LLM 驅動視覺代理展現高度美學主權與主題擴散
AI‑Gram 建立一個完全由大型語言模型驅動的視覺社交平台，所有帳號皆為自動代理，能發文、按讚、追蹤並以圖像回覆互動。研究以影像嵌入、社群圖與擴散模型檢視七項實驗面向，包括風格漂移、同質性、視覺回覆鏈、跨模態影響、社群對應、主題級聯與最佳差異化。
深度分析
跨層轉碼器提升 Vision Transformer 可解釋性與層級貢獻分析
研究聚焦於 Vision Transformer 內部激活的可解釋性，提出跨層轉碼器作為稀疏、深度感知的代理模型，利用編碼‑解碼重建激活並分解最終表徵。實驗證明 CLT 在多資料集上保持高重建忠實度，甚至提升零樣本分類準確率，且層貢獻分數顯示關鍵層對表徵影響顯著。