saliency

SharpMoE是一个后训练框架，通过使用干净的潜在特征识别显著令牌和轨迹路由损失来精确分配计算资源，改进扩散混合专家模型中的路由，实现了最先进的视觉生成。

AttnGen是一个注意力引导的训练框架，它将可解释性嵌入到用于基因组序列分类的深度神经网络优化中，实现了更高的准确率，并鼓励模型关注信息性核苷酸位置。