本研究提出了Prompt-CAM方法，解决了预训练视觉变压器在细粒度分析中无法准确定位相似类别特征的问题。该方法通过学习特定类别的提示，显著提升了特征及其位置的可解释性，展现出优越的解释能力。

本研究通过将大型语言模型的情感理解提炼至小型模型，解决了细粒度情感分析的高成本问题，实验结果显示提炼后的模型F1得分提升了6.00%。