PulseAugur
中
实时 08:41:40
English(EN) From Neural Network Decisions to Training Cases: An Exact Account via Case-Based Decision Theory

新理论可实现对神经网络决策的精确审计

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新的方法来审计神经网络决策，通过将行动分数分解为训练案例回报的加权总和。这种方法基于案例决策理论（CBDT），可以将分数追溯到特定的训练数据并衡量行动的一致性。该方法在合成CBDT、PJM、Adult Income和Default Credit任务上进行了测试，证明了其恢复案例级别偏好结构和提供稳健审计信号的能力。 AI

影响 在具有高风险的应用中实现更透明和可审计的AI系统。

排序理由 该集群包含一篇详细介绍神经网络审计新理论框架的研究论文。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新理论可实现对神经网络决策的精确审计

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Manli Yan, Yuebin Lin, Yaowen Yu, Yong Zhao ·

    From Neural Network Decisions to Training Cases: An Exact Account via Case-Based Decision Theory

    arXiv:2607.11347v1 Announce Type: new Abstract: Neural networks increasingly guide decisions in high-stakes domains such as medical diagnosis, credit approval, and energy bidding. Audit in these settings requires case-level evidence: which training cases support an action and wha…

  2. arXiv cs.AI TIER_1 English(EN) · Yong Zhao ·

    从神经网络决策到训练案例：基于案例的决策理论精确解读

    Neural networks increasingly guide decisions in high-stakes domains such as medical diagnosis, credit approval, and energy bidding. Audit in these settings requires case-level evidence: which training cases support an action and what outcomes they carried. Case-based decision the…

相关实体

相关话题