在深度學習模型的分析與驗證過程中，研究人員有時會利用「顯著性圖（Saliency Map）」來輔助理解模型行為。下列何者最符合此技術的主要用途？
答案 （B）
核心概念
顯著性圖是影像類模型常用的視覺化解釋工具。做法是計算模型輸出對每個輸入像素的梯度——梯度大代表這個像素稍微改變就會顯著影響預測結果，也就是模型「有在看」的地方。把這些梯度值畫成熱力圖疊在原圖上，就能看出模型判斷這張圖時，注意力集中在哪個區域（例如判斷是狗時，有沒有真的在看狗，還是在看背景的草地）。
答題技巧
快速判斷技巧：XAI 方法先分「局部 vs 全域」。顯著性圖、LIME 都是局部（解釋這一筆）；置換特徵重要性是全域（解釋整個模型）。看到「單一預測」就往局部方法找。
易錯陷阱：(A) 的「量化影響程度」聽起來很像顯著性圖在做的事（它確實會算出數值）。差別在於範圍——顯著性圖算的是「這一張圖的哪一塊」，不是「所有樣本的平均」。