提出用户嵌入可建模为稀疏叠加的可解释行为模式，提升推荐与行为建模系统的可解释性

提出MAEM元模型，将语言模型残差流方向映射为最大化激活的文本示例，突破语料限制实现方向级可解释性

设计全Born测量Transformer架构，使注意力与输出概率可解析归因，实现零数值误差的词级证据量化。

指出用logprob下降评估SAE特征干预抑制PII存在严重偏差，提出基于秩感知的对照实验方法验证真实抑制效果。

形式化分析激活引导编辑的输入依赖性条件，指出仅当目标在类内变化时才需条件化，修正CAA等方法的理论缺陷。

指出GNN解释评估中‘删边’操作存在结构删除与消息抑制两种干预歧义，提出干预感知保真度新评测范式。

构建ConfabQA基准，通过线性探针与稀疏自编码器分析隐藏态几何，揭示可干预幻觉转拒绝的机制。