English(EN) Generative Explainability for Next-Generation Networks: LLM-Augmented XAI with Mutual Feature Interactions

LLM增强的XAI框架提升网络AI可解释性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-09 14:48

研究人员开发了一个新框架，以增强网络运营中AI模型的可解释性。该系统使用大型语言模型（LLM）和互特征交互数据来生成自然语言解释，超越了传统的SHAP值。在光传输质量估计任务上的评估表明，新方法将解释的有用性和范围提高了12%以上，并且与基线方法相比，正确率达到了97.5%。 AI

影响通过提供更易于理解的解释，增强了对网络运营中AI的信任。

排序理由详细介绍AI可解释性新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

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]

arXiv cs.AI TIER_1 English(EN) · Carlos Natalino · 2026-06-09 14:48

面向下一代网络的生成式可解释性：LLM增强的XAI与互斥特征交互

As artificial intelligence and machine learning (AI/ML) models become integral to network operations, their lack of transparency poses a significant barrier to operator trust. Existing explainable artificial intelligence (XAI) techniques often fail to bridge this gap for non-spec…