Caption Bottleneck Models：用自然语言字幕替代概念层实现可解释分类

研究者提出 Caption Bottleneck Models（CaBM），用 LMM 生成的自然语言字幕替代传统概念瓶颈模型中的固定概念层，从架构上杜绝信息泄漏。该方法无需预定义概念集或专家标注，训练后分析文本分类器即可自动发现数据集专属概念。在细粒度与粗粒度基准上，CaBM 取得有竞争力的准确率并保持可解释性，论文收录于 ECCV 2026。