Der Decomposed Forward Pass (DePass) wurde im November 2025 von der Tsinghua-Universität und dem Shanghai Artificial Intelligence Laboratory vorgeschlagen, und die entsprechenden Forschungsergebnisse wurden in der Arbeit „DePass: Einheitliche Merkmalsattributierung durch einfachen dekomponierten VorwärtspassEs wurde für die NeurIPS 2025 ausgewählt.

DAVSP ist ein einheitliches Framework zur Merkmalszuordnung, das auf einem einzigen Dekompositions-Vorwärtsdurchlauf basiert. Es zerlegt jeden latenten Zustand in additive Komponenten, propagiert diese Komponenten an die verbleibenden Schichten und ermittelt anschließend den präzisen Beitrag jeder Komponente zur Zielrepräsentation. Im Nach-Dekompositions-Vorwärtsdurchlauf werden Aufmerksamkeitswerte und MLP-Aktivierungen fixiert, und gewichtete Beiträge werden basierend auf den dekomponierten Komponenten zugewiesen. Im Vergleich zu anderen Methoden erzielt DePass eine präzisere Zuordnung auf verschiedenen Granularitätsebenen.