SegCompass：探索利用稀疏自编码器进行可解释对齐以增强推理分割

针对现有推理分割流程无法透明连接语言推理与视觉感知的问题，本文提出 SegCompass 模型。该方法利用稀疏自编码器（SAE）将思维链（CoT）与视觉令牌映射至共享的高维稀疏概念空间，构建显式、可解释且可微的对齐路径。通过查询码本选择显著概念并经由槽位映射器生成空间热力图，指导最终掩码解码。模型联合训练，统一了推理路径的强化学习与标准分割监督。实验表明，该方法在多个基准上达到或超越最先进水平，且 learned 稀疏概念质量与分割精度高度相关，实现了优越的可 inspectable 对齐。