本研究探讨深度视觉模型的可解释性，提出了解释链（CoE）方法，通过自动解码视觉概念，创建全球概念解释数据集，并设计多义性解开与过滤机制。实验结果表明，CoE在解释性得分上平均提高了36%。

研究通过“解释链”方法提升生成语言模型的文本解释准确性，将NLE生成的BLUE成绩从44.0提高到62.3。自动评估和人工评分显示信息和清晰度显著提升。