تم اقتراح خوارزمية التمرير الأمامي المُجزأ (DePass) من قبل جامعة تسينغهوا ومختبر شنغهاي للذكاء الاصطناعي في نوفمبر 2025، ونُشرت نتائج البحث ذات الصلة في ورقة بحثية بعنوان "DePass: تحديد السمات الموحدة من خلال تمرير أمامي بسيط مُفككتم اختيارها للمشاركة في مؤتمر NeurIPS 2025.

DAVSP هو إطار عمل موحد لنسب الميزات يعتمد على تمريرة أمامية واحدة للتفكيك. يقوم بتفكيك كل حالة كامنة إلى مكونات إضافية، ثم ينشر هذه المكونات إلى الطبقات المتبقية، ومن ثم يحصل على المساهمة الدقيقة لكل مكون في التمثيل المستهدف. في التمريرة الأمامية اللاحقة للتفكيك، يتم تثبيت درجات الانتباه وتنشيطات الشبكة العصبية متعددة الطبقات، ويتم تعيين مساهمات مرجحة بناءً على المكونات المفككة. بالمقارنة مع الطرق الأخرى، يحقق DePass نسبة أكثر دقة في نسب الميزات على مستويات تفصيلية مختلفة.