跳到正文
热点事件持续更新

研究提出基于分布的归因稳定性评估框架

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

Eddie Conti 等作者提出一个基于分布的框架,用于衡量归因方法输出的重要性分数是否稳定,论文已发布在 arXiv。该框架可判断特征排序在哪个位置之前仍然可靠,也能跨数据集比较不同归因方法的排序鲁棒性。 据作者说法,这一框架为评估解释器稳定性提供了补充性标准。该研究获 EXPLAINS/IJCCI 2026 最佳论文奖。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月3日
  1. arXiv · cs.AI
    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

    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。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。