SAEParate：面向概念分离扩散模型遗忘的稀疏表示解耦方法

SAEParate 通过概念感知对比学习在 SAE 隐空间中显式分离语义重叠概念，并结合 cross-attention 引导的空间聚合强化概念相关区域，编码器加入非线性变换以提升表达能力。在 UnlearnCanvas 上取得 SOTA，联合风格-物体遗忘这一困难设定下增益尤为明显。论文已被 NeurIPS 2026 接收。