PulseAugur
实时 04:56:10
English(EN) BOHM: Zero-Cost Hierarchical Attribution for Compound AI Systems

BOHM方法利用路由权重提供零成本AI系统归因

研究人员推出了一种新方法BOHM,用于对采用分层路由的复合AI系统的贡献进行归因。与传统的基于Shapley的方法不同,BOHM利用现有的路由权重,提供了一种零成本的归因解决方案,对于具有不透明组件或代理编排器的系统特别有效。该方法同时在所有层级上提供多分辨率归因,在各种基准测试中与Shapley值表现出高度相关性,同时需要显著更少的评估。 AI

影响 提供了一种更有效的方法来理解复杂AI系统如何做出决策,可能有助于改进调试和可解释性。

排序理由 该集群包含一篇详细介绍AI系统分析新方法的学术论文。[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 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Joss Armstrong ·

    BOHM: Zero-Cost Hierarchical Attribution for Compound AI Systems

    arXiv:2605.22866v1 Announce Type: new Abstract: Compound AI systems route tasks through hierarchies of specialised components. Attribution is dominated by Shapley-based methods (SHAP), which decompose a coalition value function into per-component marginal contributions and requir…