秩一权重编辑

归因引导的不可靠神经网络行为模型矫正

Attribution-Guided Model Rectification of Unreliable Neural Network Behaviors

用秩一模型编辑加逐层归因定位，在几乎不重训、仅需一张干净样本的条件下修正视觉模型对非鲁棒特征的依赖（如神经木马、虚假相关），为视觉模型的可信部署提供了一种低成本的后处理修复手段。