香港中文大学 MMLab 与上海人工智能实验室的研究团队提出了一个不同的观点：扩散模型作为当今视觉世界最重要的生成器，其内部机制不应永远处于不可见状态；可解释性也不应该以牺牲生成质量为代价。
过去三年，扩散模型席卷图像生成领域。以 DiT (Diffusion Transformer) 为代表的新一代架构不断刷新图像质量的极限，让模型愈发接近真实世界的视觉规律。
然而，与 LLM 可解释性研究的蓬勃发展相对，扩散模型内部的语义结构、时间规律以及因果路径仍然像被深深封住的「黑箱」。研究者可以凭直觉优化架构，但外界无法真正理解扩散模型在生成过程中的「思考方式」。
更棘手的是，已有的可解释性尝试往往伴随着明显的性能下降：特征分解、激活分析、插值扰动……无论采用哪种方法，只要试图将扩散模型拆开来看，生成质量就会显著劣化。这让「可解释扩散模型」在很长一段时间里被视为不切实际的小众方向。
在这样的背景下，香港中文大学 MMLab 与上海人工智能实验室的研究团队提出了一个不同的观点：扩散模型作为当今视觉世界最重要的生成器，其内部机制不应永远处于不可见状态；可解释性也不应该以牺牲生成质量为代价。
基于这一理念，他们提出了被 AAAI 2026 接收的 TIDE (Temporal-Aware Sparse Autoencoders) —— 首个真正意义上面向扩散 Transformer 的时序稀疏自编码器框架。
- 论文标题：TIDE: Temporal-Aware Sparse Autoencoders for Interpretable Diffusion Transformers in Image Generation
- 论文链接：https://arxiv.org/pdf/2503.07050
TIDE：让「时序」成为扩散可解释性的核心
以往的可解释方法大多忽视了扩散过程最大的特点：生成是一个随时间展开的渐进式构造过程。早期步骤决定物体形状和布局，中期步骤塑造语义和结构，后期步骤填充材质与细节。如果忽略这条时间线，扩散模型看起来就像一团混乱的噪声与特征。TIDE 的突破在于，它不是「硬拆」一个静态特征，而是让模型自己在时间维度上对齐语义：
同一个因子会在不同时间步中保持一致的语义轨迹，最终形成一个可读、可控、稳固的「时间语义剖面」。
也正是在这样的时序框架下，扩散模型内部原本模糊的过程第一次被清晰呈现出来：粗结构从噪声中浮现、语义逐渐成型、纹理被不断润色……模型的「思考流」沿着时间轴被完整雕刻出来。
更重要的是，这一切并不会破坏原模型的生成能力。TIDE 的稀疏自编码器在特征空间进行无损重构，扩散轨迹保持稳定，模型几乎感受不到被「观察」的存在。同时在 scaling latent 维度时，也优于原有 vanilla SAE 方法。
TIDE 架构与训练
在 Stable Diffusion XL、PixArt-α、Flux 等主流扩散框架上，TIDE 将扩散特征分解为具有可控语义的因子：
负责轮廓的因子、负责物体姿态的因子、负责材质纹理的因子……甚至可以捕捉到跨时间的概念演化。基于这些因子，研究团队构建出一种全新的图像编辑方式：编辑不再依赖繁琐的提示语或反复调参，而是可以沿着清晰的语义方向直接操控扩散过程。例如：
- 提升纹理细节而不改变全局结构
- 调整物体姿态但保持背景一致
- 加强某类语义而不干扰其它部分
这些编辑操作完全基于 TIDE 生成的语义因子完成，意味着未来扩散模型有望出现一种全新的「因子级编辑器」，具备高度可控性与透明性。
与此同时，TIDE 对模型生成质量的影响几乎可以忽略不计。FID、sFID 变化小于 0.1%，噪声预测轨迹保持稳定，实现了真正意义上的「可解释而不降质」。
TIDE 的效果
TIDE 在不同设置、不同模型规模以及不同任务维度下的整体表现。无论是在超参数选择、在 DiT 不同层级进行因子学习，还是在 SDXL、FLUX-dev 等主流扩散架构上的泛化能力，TIDE 都表现出高度稳定且持续的优势。
可以看到，TIDE 在几乎不增加 FID 代价的前提下，显著提升了 AlignScore 中的语义绑定（颜色、形状、纹理）以及跨区域关系理解（空间与非空间关系），其中多处指标在表中以绿色标记为最优表现。
此外，在安全性评测部分，TIDE 相比多个现有方法大幅降低了攻击成功率，显示出更稳健的特征理解能力。整体来看，这幅表格清楚证明：TIDE 不仅带来了高质量、可解释的语义因子，还在保持生成质量的同时，提升了模型的结构理解、关系推理与安全性，成为一种真正可泛化、可落地的可解释扩散框架。
TIDE 的意义：补齐扩散模型的「理解」能力
扩散模型已经成为现代视觉生成系统的核心支柱，但它们的内部机制一直缺乏系统、透明的解释路径。TIDE 的出现不仅提供了首个真正实用的可解释性方案，更重要的是，它让研究者第一次能够沿着「时间」这条线索观察扩散模型内部的语义结构。
这种理解能力将直接影响未来的多个方向：
- 更可控、更稳健的扩散编辑系统
- 统一理解——生成模型的因子级桥接
- 扩散模型的因果与语义理论研究
- 新一代透明、可信的视觉生成系统
TIDE 不仅是一个方法，更是一种新的研究范式：扩散模型并非不可解释，只是缺少一个合适的视角。
未来展望
研究团队表示，当前 TIDE 已成功验证了时序稀疏自编码器框架的有效性，但可解释扩散模型的潜力远未被完全发掘。未来的工作将进一步：
- 扩展更大规模、更精细的时序字典
- 探索跨模态共享的语义因子
- 结合 LLM-SAE 构建统一解释空间
- 将因子级编辑推向产品化工具
随着更多研究者的加入，扩散模型的「黑箱壁垒」正逐渐被揭开，而 TIDE 或许是这一转变具有代表性的第一步。
如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。
一、全套AGI大模型学习路线
AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
二、640套AI大模型报告合集
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
四、AI大模型商业化落地方案
作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量
