PulseAugur
中
实时 10:29:08
English(EN) Regression-adjusted Monte Carlo Estimators for Shapley Values and Probabilistic Values

新方法为 AI 可解释性提供可证明准确的 Shapley 值估计 · 跟踪 2 个来源

作者 PulseAugur 编辑部 · [2 个来源] ·

两篇新的 arXiv 论文介绍了用于估计 Shapley 值的高级方法，Shapley 值是可解释 AI 中将模型预测归因于输入特征的关键技术。第一篇论文《通过杠杆分数采样实现可证明准确的 Shapley 值估计》介绍了 Leverage SHAP，这是 Kernel SHAP 的一种修改，它需要的模型评估次数大大减少，并将错误率降低了 50%。第二篇论文《用于 Shapley 值和概率值的回归调整蒙特卡洛估计器》将蒙特卡洛采样与回归技术相结合，实现了最先进的性能，错误率远低于包括 Leverage SHAP 在内的现有方法。 AI

影响 Shapley 值估计方面的这些进步可能带来更高效、更准确的 AI 可解释性，从而提高复杂模型的信任度和调试能力。

排序理由 两篇 arXiv 论文介绍了用于 Shapley 值估计的新颖算法。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新方法为 AI 可解释性提供可证明准确的 Shapley 值估计 · 跟踪 2 个来源

本文如何被排名

Signal score
17 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Research
两篇 arXiv 论文介绍了用于 Shapley 值估计的新颖算法。
Source corroboration
2 independent sources
Multiple independent publishers reporting the same story raises confidence that it's real and newsworthy.
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
Same-day
Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Christopher Musco, R. Teal Witter ·

    通过杠杆分数采样实现可证明准确的Shapley值估计

    arXiv:2410.01917v3 Announce Type: replace-cross Abstract: Originally introduced in game theory, Shapley values have emerged as a central tool in explainable machine learning, where they are used to attribute model predictions to specific input features. However, computing Shapley…

  2. arXiv cs.AI TIER_1 English(EN) · R. Teal Witter, Yurong Liu, Christopher Musco ·

    用于 Shapley 值和概率值的回归调整蒙特卡洛估计量

    arXiv:2506.11849v3 Announce Type: replace-cross Abstract: With origins in game theory, probabilistic values like Shapley values, Banzhaf values, and semi-values have emerged as a central tool in explainable AI. They are used for feature attribution, data attribution, data valuati…

相关实体

相关话题