两篇新研究论文探索了人工智能领域高级反事实解释方法。第一篇论文来自 arXiv cs.AI，引入了一个基于干预的抽象论证框架，该框架超越了“事后诸葛亮”检验来识别实际原因。第二篇论文来自 arXiv cs.LG，提出了 DISCOVER，一个模型无关的分布反事实解释求解器，它使用一种提议-选择搜索范式来处理不可微分模型。 AI
影响 这些论文通过提供更鲁棒的模型决策理解方法，推动了人工智能可解释性领域的发展。
排序理由 两篇在 arXiv 上发表的学术论文，详细介绍了人工智能解释的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.31080v1 Announce Type: cross Abstract: Counterfactual explanation in abstract argumentation calls for an answer to the what-if query: would the topic argument still be accepted if the status of certain other arguments were changed? Existing approaches are limited to th…
arXiv:2603.16436v2 Announce Type: replace Abstract: Counterfactual explanations (CE) explain model decisions by identifying input modifications that lead to different predictions. Most existing methods operate at the instance level. Distributional Counterfactual Explanations (DCE…