INTR++可解释Transformer论文发布

2026年10月28日，arXiv Computer Vision 刊出 Dipanjyoti Paul 等作者的论文，提出 INTR++ 可解释 Transformer 模型。据该报道，INTR++ 在 Prompt-CAM 基础上加入轻量级 Prompt Adapter Module（PAM），用领域知识增强可学习提示词，使提示词具备自适应性；模型保留可解释 Transformer 的标准架构与端到端训练，仅比 Prompt-CAM 增加少量参数。报道称，在动物、植物、医学影像、显微成像、遥感影像和以物体为中心的数据上，INTR++ 在准确率、可解释性与适应性方面均取得一致提升。目前事件进展限于论文发布及上述模型设计与实验结果的介绍，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。