研究人员开发了 Gracr，一种将分级模态逻辑公式转换为图神经网络 (GNN) 权重的创新编译器。该方法用编译取代了传统的 GNN 训练，确保模型的行为精确复制逻辑公式。为了严格评估 GNN Explainer，引入了一个名为 GracrBench 的新基准，该基准使用这些编译后的 GNN 来为解释提供精确的地面真实。使用 GracrBench 的实验表明，许多现有的 Explainer 在面对间接影响或相同逻辑的替代实现时缺乏鲁棒性。 AI
影响 为 GNN 可解释性引入了更严格的评估框架，有望带来更可靠、更鲁棒的 AI 系统。
排序理由 学术论文，介绍了一种用于评估图神经网络可解释性的新方法和基准。 [lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Gracr
- GracrBench
- graph neural networks
- Hugging Face
- IArxiv
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
