一项发表在 arXiv 上的新基准研究调查了可解释人工智能 (XAI) 归因方法的有效性，特别是它们在卷积神经网络 (CNN) 和视觉 Transformer (ViT) 之间的可迁移性。研究表明，归因性能高度依赖于模型架构，从 CNN 得出的结论不能可靠地应用于基于 Transformer 的模型。该研究强调了进行面向架构的、多维评估的必要性，因为传统指标可能无法准确反映不同模型类型的定位或忠实度。 AI
影响 研究结果挑战了关于 AI 模型可解释性的现有假设，表明需要进行特定于架构的评估方法。
排序理由 学术论文，展示了关于 AI 模型可解释性的可控基准测试和新发现。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
