English(EN) Explanation Multiplicity in SHAP: Characterization and Assessment

新研究发现 SHAP 解释显示出显著变异性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-09 04:00

一篇新发表在 arXiv 上的论文详细介绍了 SHAP（一种广泛用于解释 AI 模型决策的方法）中的“解释多样性”现象。研究人员发现，即使在模型、输入和预测在重复运行时保持不变的情况下，SHAP 解释也可能存在显著差异。他们开发了一种评估这种变异性的方法，揭示了解释多样性普遍存在，并且会影响高置信度的预测。研究表明，实践者应将单一的 SHAP 输出视为来自一个分布的一种实现，而不是确定的结果。 AI

影响强调了 AI 模型解释中潜在的不稳定性，在进行高风险决策时应谨慎。

排序理由该集群包含一篇详细介绍 AI 可解释性方法新发现的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 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: 18 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍 AI 可解释性方法新发现的学术论文。[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, safety; 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.AI TIER_1 English(EN) · Hyunseung Hwang, Seungeun Lee, Lucas Rosenblatt, Steven Euijong Whang, Julia Stoyanovich · 2026-10-09 04:00

SHAP 中的解释多重性：表征与评估

arXiv:2601.12654v3 Announce Type: replace-cross Abstract: SHAP explanations are widely used in high-stakes settings to justify decisions, yet they can differ substantially across repeated runs, even when the model, the input instance, and the prediction are held fixed. Prior work…

本文如何被排名

报道来源 [1]

SHAP 中的解释多重性：表征与评估

相关实体

相关话题