Lightweight Runtime Explainability

新的XAI框架提升了资源管理中ML模型的可靠性

研究人员开发了一种新颖的事后XAI框架——轻量级运行时可解释性（LEX），旨在提高基于机器学习的资源管理模型的可靠性。LEX通过使用高斯混合模型对训练输入空间嵌入进行聚类来解决分布外（OOD）输入问题，从而实现输入特定的误差界限。在对Intel Alder Lake处理器基于LSTM的IPS预测模型进行测试时，LEX在未见过的负载上表现出约94%的容纳率，并与现有的全局方法相比提供了约17%更紧密的置信度界限，同时运行时开销极小。