arXiv · cs.AI · Eddie Conti, \'Alvaro Parafita, Axel Brando · 10 小时前模型评分34
研究提出基于分布的归因可分离性框架，衡量解释器稳定性
Measuring Explainer Stability via Attribution Separability
导读
一项获 EXPLAINS/IJCCI 2026 最佳论文奖的研究提出基于分布的框架，用于衡量归因方法（AMs，Attribution Methods）输出重要性分数的稳定性，可判断特征排序在哪个位置之前仍然可靠，并跨数据集比较不同归因方法的排序鲁棒性。该框架为评估解释器稳定性提供了补充性标准。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “In this paper, we propose a distribution-based framework to capture the stability of attribution scores.”
来源：arXiv · cs.AI · arxiv.org