DensityFlow

新框架利用密度引导增强表格数据解释

研究人员开发了一个名为DensityFlow的新框架，用于在表格数据上生成鲁棒的逆事实解释。该方法使用神经ODE的生成方法，并通过噪声对比估计学习到的密度分数进行引导，以避免解释可能不可靠的低密度区域。对于黑盒模型，DensityFlow采用局部代理蒸馏机制以实现高效优化。实验表明，与现有的基于集成的方法相比，DensityFlow提供了更高的有效性和更低的查询成本。