English(EN) Explanations-Driven Active Feature Acquisition for Algorithmic Recourse

新方法使用解释来指导算法追索的主动特征获取

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-14 04:00

研究人员开发了一种名为“驱动解释的主动特征获取”（EDFA）的新方法，该方法可联合优化算法追索和特征获取。与在特征获取后提供解释的先前方法不同，EDFA 使用解释来指导获取过程。该方法利用马尔可夫毯理论来统一不同类型的解释，并确定追索如何随着特征的获取而改进。实验表明，EDFA 与现有方法相比，获取的特征更少，同时保持了可比的准确性，并产生了更具可操作性的追索。 AI

影响这项研究通过优化必要数据的获取，有望在 AI 系统中实现更有效、更具可操作性的追索。

排序理由该集群包含一篇在 arXiv 上发表的研究论文，详细介绍了一种用于算法追索的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

本文如何被排名

Signal score: 30 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇在 arXiv 上发表的研究论文，详细介绍了一种用于算法追索的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Vinura Galwaduge, Jagath Samarabandu · 2026-09-14 04:00

面向算法追溯的驱动式主动特征获取

arXiv:2609.12179v1 Announce Type: new Abstract: Algorithmic recourse methods typically assume that a predictive model has access to all features of an individual. In practice, decisions are often made with partial information, because features are costly to acquire. Active featur…

本文如何被排名

报道来源 [1]

面向算法追溯的驱动式主动特征获取

相关实体

相关话题