新分类法统一可解释AI特征归因方法

一篇新发表在arXiv上的调查论文介绍了一种用于局部加性特征归因方法的数学分类法，这对于可解释AI至关重要。该论文基于五个关键的规范选择，将Shapley、基于路径和基于梯度的方法等各种方法组织在一个通用框架下。它还详细介绍了常见的故障模式，并提出了一个包含十项内容的报告清单，以确保归因结果的透明度和可比性。 AI

影响 标准化可解释AI方法的报告，可能提高AI系统的可复现性和可信度。

排序理由 该集群包含一篇详细介绍AI方法新分类法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv
• Influence Flower
• Local Additive Feature Attribution
• ScienceCast

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →