Interpretability in Parameter Space: Minimizing Mechanistic Description Length with Attribution-based Parameter Decomposition
Apollo Research(阿波罗研究公司)
本文提出基于归因的参数分解方法APD,通过优化最小机制描述长度将神经网络参数分解为忠实、最少且最简单的组件,并在多个玩具实验中成功识别真实机制,为机制可解释性中的最小回路识别、特征定义和架构无关分解提供了新思路。
2025-02-07 cs.LG stat.ML
Robust Models Are More Interpretable Because Attributions Look Normal
Pittsburgh, PA 15213, USA(美国宾夕法尼亚州匹兹堡(注:该地址不属于机构,可能是原数据错误,按要求应忽略,此处仅为示例说明))
最近的研究发现,用于图像分类的对抗性强大的深度网络更具可解释性:它们的特征属性往往更清晰,并且更集中于与图像的地面实况类相关的对象。我们表明,光滑的决策边界在这种增强的可解释性中发挥了重要作用,因为当数据点光滑时,模型的输入梯度将与边界的法向量更紧密地对齐。因此,由于鲁棒模型具有更平滑的边界,因此基于梯度的归因方法(如Integrated Decisionents和DeepLift)的结果将捕获有关附近决策边界的更准确信息。这种对鲁棒可解释性的理解导致了我们的第二个贡献:\emph{boundary attributions},它聚合了关于局部决策边界的法向量的信息来解释分类结果。我们表明,通过利用支撑强大的可解释性的关键因素,边界属性产生更清晰,更集中的视觉解释-即使在非鲁棒模型。任何示例实现都可以在\url{https://github.com/zifanw/boundary}中找到。
2021-10-06 cs.CV cs.LG
Towards Unified Attribution in Explainable AI, Data-Centric AI, and Mechanistic Interpretability
Harvard University(哈佛大学)
本文提出统一视角,指出可解释AI、以数据为中心的AI和机制可解释性中的特征、数据与组件归因方法在技术上具有根本相似性,该视角能增强现有方法理解并开辟模型编辑等新研究方向。
2025-05-29 cs.AI cs.LG
Benchmarking Attribution Methods with Relative Feature Importance
Google Brain(谷歌大脑)
可解释性是安全部署机器学习系统的一个重要研究领域。一种特殊类型的可解释性方法将模型决策归因于输入特征。尽管积极的发展,定量评价的特征属性方法仍然很困难,由于缺乏地面真相:我们不知道哪些输入功能实际上是重要的模型。在这项工作中,我们提出了一个框架基准归因方法(BAM)的相对特征重要性的先验知识。BAM包括:1)精心制作的数据集和模型,这些数据集和模型都是用已知的相对特征重要性训练的; 2)三个互补的指标,通过比较模型对和输入对之间的特征属性来定量评估属性方法。我们对几种广泛使用的归因方法的评估表明,某些方法更有可能产生假阳性解释-这些特征被错误地归因为对模型预测更重要。我们开源我们的数据集、模型和指标。
2019-11-04 cs.LG stat.ML
Rethinking Self-Attention: Towards Interpretability in Neural Parsing
University of California, San Diego(加利福尼亚大学圣地亚哥分校);Adobe Research(Adobe研究)
注意力机制提高了NLP任务的性能,同时允许模型保持可解释性。自我注意是目前广泛使用的,但解释是困难的,由于众多的注意力分布。最近的工作表明,模型表示可以受益于标签特定的信息,同时促进预测的解释。我们引入标签注意层:一种新的自我注意形式,其中注意头代表标签。我们通过运行选区和依存句法分析实验来测试我们的新层,并表明我们的新模型在Penn Treebank(PTB)和Chinese Treebank上都获得了新的最先进的结果。此外,与现有工作相比,我们的模型需要更少的自我注意层。最后,我们发现标签注意脑能够学习句法范畴之间的关系,并显示出分析错误的路径。
2020-10-29 cs.CL cs.LG
Improving performance of deep learning models with axiomatic attribution priors and expected gradients
University of Washington(华盛顿大学);Microsoft Research(微软研究院)
最近的研究表明,深度网络的特征归因方法本身可以被纳入训练中;这些归因先验优化了一个模型,该模型的属性具有某些理想的属性-最常见的是,特定的特征是重要的或不重要的。这些属性先验通常基于不能保证满足期望的可解释性公理(例如完整性和实现不变性)的属性方法。在这里,我们引入属性先验来优化解释的更高级别属性,例如平滑性和稀疏性,这是由一种称为预期梯度的快速新属性方法公式实现的,它满足许多重要的可解释性公理。这提高了模型在许多现实任务中的性能,而这些任务中先前的归因先验都失败了。我们的实验表明,将较高级别的归因先验与预期的梯度归因相结合所获得的收益在图像、基因表达和医疗保健数据集上是一致的。我们相信,这项工作的动机,并提供必要的工具,以支持广泛采用公理化的归因先验在许多领域的应用机器学习。我们的实施和结果已免费提供给学术界。
2020-11-11 cs.LG stat.ML
Enhancing Model Interpretability with Local Attribution over Global Exploration
The University of Sydney(悉尼大学);Suzhou Yierqi(苏州伊尔奇)
针对现有归因方法探索样本空间时易进入分布外空间影响结果的问题,提出含定向与非定向探索阶段的局部归因算法,在归因效果上较最优方法平均提升38.21%。
2024-08-14 cs.AI cs.LG
Visual Explanations of Image-Text Representations via Multi-Modal Information Bottleneck Attribution
New York University(纽约大学)
针对视觉-语言预训练模型可解释性不足的问题,提出多模态信息瓶颈M2IB归因方法,无需真实标签即可提升归因准确率,在定性定量上均优于现有归因方法。
2024-06-22 cs.AI cs.CV cs.LG
Advancing climate model interpretability: Feature attribution for Arctic melt anomalies
Institute for Harnessing Data and Model Revolution in the Polar Regions(极地地区数据与模型利用研究所);University of Maryland, Baltimore County(马里兰大学巴尔的摩分校);National Oceanic and Atmospheric Administration(美国国家海洋和大气管理局)
针对气候模型中北极融化异常的可解释性问题,提出结合反事实解释的无监督特征归因方法,通过对比ERA5与GEMB模型,揭示融化异常的气候驱动特征与模型物理机制,为北极融化动力学研究提供新工具。
2025-02-11 cs.LG
Towards Long-Horizon Interpretability: Efficient and Faithful Multi-Token Attribution for Reasoning LLMs
Department of Computer Science, City University of Hong Kong, Hong Kong SAR, China(香港城市大学计算机科学系);Harbin Institute of Technology, Harbin, China(哈尔滨工业大学)
提出FlashTrace方法,通过跨跨度聚合和递归归因机制,在长上下文推理中实现高效且忠实的多Token归因,速度提升超130倍。
2026-05-29 cs.LG
Quanda: An Interpretability Toolkit for Training Data Attribution Evaluation and Beyond
Fraunhofer HHI(弗劳恩霍夫HHI研究所);UMI Lab(UMI实验室);ATB Potsdam(波茨坦农业与生物研究中心);TU Berlin(柏林工业大学);BIFOLD(柏林大数据中心)
针对训练数据归因(TDA)评估缺乏统一框架的问题,提出Python工具包Quanda,提供全面的评估指标和统一接口,实现跨存储库的无缝集成与系统基准测试,促进TDA方法的广泛采用。
2024-10-10 cs.AI cs.LG
ABE: A Unified Framework for Robust and Faithful Attribution-Based Explainability
University of Technology Sydney(技术大学悉尼大学);Changshu Institute of Technology(常州理工学院)
针对现有归因解释框架耦合高、难扩展等问题,提出统一框架 ABE,形式化基础归因方法并集成先进算法,通过四个可定制模块支持鲁棒、忠实且可验证的模型解释。
2025-05-03 cs.AI cs.LG
Challenging common interpretability assumptions in feature attribution explanations
Carnegie Mellon University(卡内基梅隆大学)
随着机器学习和算法决策系统越来越多地用于高风险的人在环设置中,迫切需要了解其预测的基本原理。研究人员已经用可解释的AI(XAI)来回应这种需求,但通常在没有评估的情况下宣称可解释性。当这些系统被评估时,它们通常通过离线模拟与可解释性的代理指标(如模型复杂性)进行测试。我们通过一个简单的“安慰剂解释”控制的大规模人类受试者实验,实证评估了三个常见的可解释性假设的准确性。我们发现,特征归因解释在我们的任务中为人类决策者提供边际效用,并且在某些情况下由于认知和上下文混杂因素导致更糟糕的决策。这一结果挑战了应用这些方法的假设普遍利益,我们希望这项工作将强调人类评估在XAI研究中的重要性。补充材料--包括实验的匿名数据、复制研究的代码、实验的交互式演示以及分析中使用的模型--可在以下网址找到:www.example.com。
2020-12-04 cs.CY cs.HC cs.LG
Rethinking Weight-Averaged Model-merging
本研究从可解释性视角重新解读权重平均模型合并,从权重结构、空间平均对比、参数缩放三方面展开分析,为模型合并提供更透明系统的理解,相关代码已开源。
2026-08-18 cs.CV cs.LG
Rethinking Interpretability in the Era of Large Language Models
Microsoft Research(微软研究院)
本文回顾LLM解释的现有评估方法,主张LLMs能以更宏大范围重新定义可解释性,并指出直接分析新数据集和生成交互式解释两大研究重点。
2024-01-30 cs.AI cs.CL cs.LG
Attribution assignment for deep-generative sequence models enables interpretability analysis using positive-only data
Oslo University Hospital(奥斯陆大学医院);University of Oslo(奥斯陆大学);Johannes Kepler University Linz(约翰·开普勒林茨大学);Novo Nordisk A/S(诺和诺德公司);University Hospital Basel(巴塞尔大学医院);Imprint Labs, LLC.(Imprint Labs有限责任公司)
针对生成式模型缺乏归因方法的问题,提出基于Integrated Gradients的GAMA归因方法,支持仅用正样本数据实现模型可解释性并验证生物序列设计策略。
2025-07-11 cs.LG q-bio.QM
Analyzing Effects of Mixed Sample Data Augmentation on Model Interpretability
Department of Computer Science and Engineering, Kyung Hee University(计算机科学与工程系,京亨大学)
本文研究混合样本数据增强对深度神经网络可解释性的影响,提出新度量指标以在控制遮挡鲁棒性干扰下对比可解释性,发现该类增强会降低模型可解释性且标签混合是关键因素,提示高可解释性需求场景需谨慎使用该方法。
2025-06-17 cs.CV cs.LG
SHapley Estimated Explanation (SHEP): A Fast Post-Hoc Attribution Method for Interpreting Intelligent Fault Diagnosis
State Key Laboratory of Mechanical System and Vibration, Shanghai Jiao Tong University(上海交通大学机械系统与振动国家重点实验室)
针对智能故障诊断中SHAP结合域变换带来的高计算开销问题,提出分块归因和SHapley估计解释(SHEP)方法,通过降低特征维度和简化子集枚举将复杂度降至线性级,显著提升计算效率并实现实时解释。
2025-04-03 cs.AI cs.LG
Summit: Scaling Deep Learning Interpretability by Visualizing Activation and Attribution Summarizations
Georgia Tech(佐治亚理工学院)
深度学习越来越多地用于决策任务。然而,理解神经网络如何产生最终预测仍然是一个根本性的挑战。解释图像的神经网络预测的现有工作通常集中在解释单个图像或神经元的预测。由于预测通常是根据数百万个权重计算的,这些权重是在数百万张图像上优化的,因此这种解释很容易错过更大的画面。我们介绍了Summit,这是一个交互式系统,可扩展和系统地总结和可视化深度学习模型已经学习的功能以及这些功能如何相互作用以进行预测。Summit引入了两种新的可扩展摘要技术:(1)激活聚合发现重要的神经元,(2)神经元影响聚合识别这些神经元之间的关系。Summit将这些技术结合起来,创建了新颖的归因图,揭示和总结了有助于模型结果的关键神经元关联和子结构。Summit可扩展到大数据,例如包含120万张图像的ImageNet数据集,并利用神经网络特征可视化和数据集示例,帮助用户将大型复杂的神经网络模型提取为紧凑的交互式可视化。我们提出了神经网络探索方案,其中Summit帮助我们发现了对流行的大规模图像分类器的学习表示的多个令人惊讶的见解,并为未来的神经网络架构设计提供了信息。Summit可视化在现代Web浏览器中运行,并且是开源的。
2019-09-02 cs.CV cs.HC cs.LG
Attention Mechanisms Don't Learn Additive Models: Rethinking Feature Importance for Transformers
University of Tübingen(蒂宾根大学);Technical University of Munich(慕尼黑工业大学)
针对传统线性或加性代理模型与 Transformer 结构不兼容的问题,本文提出 SLALOM 代理模型,以更低成本或更高保真度实现特征归因解释并开源代码。
2025-01-09 cs.AI cs.CL cs.LG
Discriminative Feature Attributions: Bridging Post Hoc Explainability and Inherent Interpretability
Harvard University(哈佛大学)
针对黑盒模型事后特征归因因对干扰特征擦除缺乏鲁棒性而不忠实的问题,提出DiET方法使模型对干扰特征擦除具有鲁棒性,结合了事后解释的易用性与内在可解释模型的忠实度。
2024-02-15 cs.CV cs.LG
WISCA: A Consensus-Based Approach to Harmonizing Interpretability in Tabular Datasets
Universidad Católica de Murcia (UCAM)(穆尔西亚大学卡洛斯·穆尔西亚大学)
本文提出WISCA方法,通过整合类概率和归一化属性,统一不同可解释性算法的结果,提升解释可靠性。
2025-06-06 cs.AI cs.LG stat.ML
Evaluating Attribution Methods using White-Box LSTMs
Yale University(耶鲁大学);New Haven, CT, USA(美国康涅狄格州纽黑文市(非机构,按要求不应提取,但此处原文可能存在误标,实际仅保留耶鲁大学))
神经网络的可解释性方法很难评估,因为我们不理解通常用于测试它们的黑盒模型。本文提出了一个框架,在该框架中,可解释性的方法进行评估,使用手动构建的网络,我们称之为白盒网络,其行为被理解的先验。我们评估了五种产生属性热图的方法,将它们应用于基于形式语言的白盒LSTM分类器。虽然我们的白盒分类器完美而透明地解决了他们的任务,但我们发现所有五种归因方法都无法产生预期的模型解释。
2020-10-16 cs.CL cs.LG
Resurrecting the Salmon: Rethinking Mechanistic Interpretability with Domain-Specific Sparse Autoencoders
Parsed, London, UK(伦敦大学)
本文提出通过将稀疏自编码器训练限制在特定领域(如医学文本),提升大语言模型激活的重构保真度与可解释性,缓解了广泛领域SAE的线性残差大、特征碎片化等问题。
2025-08-12 cs.LG
Enhancing Feature Selection and Interpretability in AI Regression Tasks Through Feature Attribution
TH Koeln(科隆应用技术大学);MAN Energy Solutions(曼恩能源方案公司)
本研究提出一种结合Integrated Gradients与k-means聚类的特征选择流水线,用于过滤回归任务中的无信息特征,提升预测准确性与稳定性,并在涡轮机械叶片振动分析的实际工业问题中验证了其有效性。
2024-09-25 cs.AI cs.LG
Comprehensive and Reliable Feature Attribution for Diverse Modalities and Models via Frequency-Domain Insights
School of Computational Science, Wuhan University(武汉大学计算科学学院);Brain Research Center, Wuhan University(武汉大学脑科学研究中心);College of Information Science and Technology (School of Cyber Science and Technology), Shihezi University(石河子大学信息科学学院(网络安全科学与技术学院));Xinjiang Production and Construction Corps Key Laboratory of Computing Intelligence and Network Information Security Open Fund(新疆生产建设兵团计算智能与网络信息安全重点实验室开放基金)
本文提出了一种新的可解释性方法FreqX,结合信号处理和信息理论,以解决个性化联邦学习中非IID数据、异构设备、缺乏公平性和贡献不明确等问题,通过频域分析提高解释性效率和准确性。
2026-06-04 cs.AI cs.LG
CLT-Forge: A Scalable Library for Cross-Layer Transcoders and Attribution Graphs
Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所);Jinesis AI Lab(Jinesis人工智能实验室);University of Toronto(多伦多大学);Vector Institute(向量研究所);CMU(卡内基梅隆大学);EuroSafeAI;ELLIS Institute Tübingen(图宾根ELLIS研究所)
本文提出CLT-Forge库,通过分布式训练、模型分片和压缩激活缓存提升跨层转码器的可扩展性,提供统一的可解释性流程和可视化接口,解决归因图的冗余问题。
2026-07-22 cs.CL cs.LG
Large Scale Evaluation of Deep Learning-based Explainable Solar Flare Forecasting Models with Attribution-based Proximity Analysis
Georgia State University(佐治亚州立大学)
针对太阳耀斑预测中深度学习模型评估忽视可解释性的问题,提出基于邻近度的事后解释分析框架,比较两种全日面磁图训练模型,引入邻近度指标评估解释准确性,增强模型可解释性评估以支持可靠运行系统开发。
2024-11-27 astro-ph.SR cs.CV cs.LG
Discriminative Attribution from Counterfactuals
HHMI Janelia Research Campus(霍华德·休斯医学研究所珍妮莉亚研究园区);ETH Zürich(苏黎世联邦理工学院);MRC Laboratory of Molecular Biology(医学研究理事会分子生物学实验室)
我们提出了一种方法,神经网络的可解释性相结合的功能属性与反事实的解释,以生成属性映射,突出对类之间的最有区别的功能。我们表明,这种方法可以用来定量评估性能的特征归属方法在一个客观的方式,从而防止潜在的观察者偏见。我们在三个不同的数据集上评估了所提出的方法,包括具有挑战性的人工数据集和真实世界的生物数据。我们定量和定性地表明,突出显示的特征比使用传统的归因方法提取的特征更具鉴别力,并认为这种类型的解释更适合于理解由深度神经网络学习的细粒度类差异。
2021-09-28 cs.CV cs.LG
Attribution of Predictive Uncertainties in Classification Models
Featurespace Research(Featurespace 研究院)
分类任务中的预测不确定性通常是模型不足或训练数据不足的结果。在流行的应用中,例如图像处理,我们经常需要通过有意义地将这些不确定性归因于输入特征来仔细检查这些不确定性。这有助于改进可解释性评估。然而,这方面的有效框架很少。用于提供显着性掩模的普通形式的流行方法,例如SHAP或集成梯度,对不确定性的目标测量适应性很差。因此,最先进的工具通过创建反事实或对抗性特征向量来进行,并通过与原始图像的直接比较来分配属性。在本文中,我们提出了一个新的框架,结合路径积分,反事实的解释和生成模型,以获得属性,包含一些可观察到的文物或噪音。我们的证据表明,这优于现有的替代品,通过定量评估与流行的基准方法和数据集的不同复杂性。
2022-06-08 cs.CV cs.LG stat.ML
Rethinking the Harmonic Loss via Non-Euclidean Distance Layers
American University(美国大学);University of Vermont(佛蒙特大学);AGH University(AGH大学);University of Edinburgh(爱丁堡大学);Xinjiang University(新疆大学)
本文提出通过非欧几里得距离层扩展谐波损失,评估了多种距离度量在视觉和语言模型中的性能、可解释性和可持续性。
2026-04-28 cs.AI cs.LG
Kernelized Parameter Sensitivity Atlases for Amortized Conditional Interpretability
Technische Universität Darmstadt(达姆施塔特工业大学);Daffodil International School(达福迪国际学校);University of Dhaka(达卡大学)
本文提出KPSA,一种基于经验神经正切核块分解的方法,可高效摊销梯度归因,在视觉、预测等任务中实现参数敏感性估计,提升吞吐量并降低内存,为可扩展条件可解释性提供了新途径。
2026-10-12 cs.CV cs.LG stat.ML
Utilizing Mutations to Evaluate Interpretability of Neural Networks on Genomic Data
Ghent University(根特大学);University of Edinburgh(爱丁堡大学)
尽管深度神经网络(DNN)在涉及基因组数据的许多问题上取得了最先进的结果,但由于其黑箱性质,让DNN解释其决策过程一直是一个重大挑战。让DNN解释其预测推理的一种方法是通过归因方法,该方法被认为突出了对预测贡献最大的输入部分。由于存在众多的归因方法和缺乏定量的结果,这些方法的保真度,基于序列的任务的归因方法的选择主要是定性的。在这项工作中,我们提出了一种利用点突变的计算方法,从而朝着确定最忠实的归因方法迈出了一步。七个流行的归因方法提供定量结果,我们发现分层相关传播(LRP)是最合适的翻译起始,与LRP确定两个重要的生物特征翻译:Kozak序列的完整性以及过早终止密码子的不利影响。
2022-12-12 cs.AI cs.LG q-bio.GN
Contrast-CAT: Contrasting Activations for Enhanced Interpretability in Transformer-based Text Classifiers
School of Cybersecurity, Korea University, Seoul, South Korea(网络安全学院,韩国大学,首尔,韩国)
针对Transformer文本分类器现有激活归因方法易受无关特征干扰的问题,提出Contrast-CAT方法,通过对比输入与参考激活滤除无关特征,在多数据集上显著优于现有最优方法,有效提升模型可解释性。
2025-07-27 cs.AI cs.CL cs.LG
On Attribution of Recurrent Neural Network Predictions via Additive Decomposition
Texas A&M University(得克萨斯农工大学)
RNN模型在广泛的文本挖掘任务中取得了最先进的性能。然而,这些模型往往被视为黑箱,并受到批评,由于缺乏可解释性。在本文中,我们通过为RNN预测提供可解释的理由来增强RNN的可解释性。然而,解释RNN是一个具有挑战性的问题。首先,与依赖局部近似的现有方法不同,我们的目标是提供更忠实于RNN模型决策过程的理论基础。其次,灵活的解释方法应该能够将贡献分数分配给不同长度的文本片段,而不仅仅是单个单词。为了应对这些挑战,我们提出了一种新的归因方法,称为REAT,为RNN预测提供解释。REAT将RNN的最终预测分解为输入文本中每个单词的附加贡献。这种加法分解使REAT能够进一步获得短语级归因分数。此外,REAT通常适用于各种RNN架构,包括GRU,LSTM及其双向版本。实验结果表明,所提出的归因方法的忠实性和可解释性。综合分析表明,我们的属性方法可以揭示RNN捕获的有用的语言知识。一些分析进一步表明,我们的方法可以用作调试工具来检查RNN的脆弱性和失败原因,这可能会导致几个有前途的未来方向,以提高RNN的泛化能力。
2019-03-27 cs.CL cs.LG
Consistency of Feature Attribution in Deep Learning Architectures for Multi-Omics
Pacific Northwest National Laboratory(太平洋西北国家实验室)
该研究针对多组学多视图深度学习模型的特征归因一致性问题,通过实验发现SHAP特征排名受架构和权重初始化影响,提出了评估重要生物分子识别鲁棒性的替代方法。
2025-07-30 cs.LG stat.ML
Rethinking VLMs for Image Forgery Detection and Localization
Hefei University of Technology Key Laboratory of Knowledge Engineering with Big Data, Ministry of Education(合肥工业大学大数据知识工程重点实验室,教育部)
本文研究如何利用视觉语言模型提升图像伪造检测与定位性能,发现传统先验知识对检测效果有负面影响,提出IFDL-VLM新方法,通过位置掩码增强模型可解释性,并在多个基准上取得新最优结果。
2026-03-13 cs.CV cs.LG
GradCFA: A Hybrid Gradient-Based Counterfactual and Feature Attribution Explanation Algorithm for Local Interpretation of Neural Networks
Department of Computer and Information Sciences, Northumbria University(北安普顿大学计算机与信息科学系)
本文提出GradCFA算法,结合反事实解释和特征归因,提升神经网络的可解释性,通过优化可行性、合理性与多样性,改进现有方法的不足,支持多类场景应用。
2026-03-16 cs.AI cs.LG
Anomalous behaviour in loss-gradient based interpretability methods
Queen Mary University of London(伦敦玛丽女王大学);Electronic Arts(美国艺电公司)
损失梯度用于解释深度学习模型的决策过程。在这项工作中,我们评估损失梯度为基础的归属方法,通过遮挡部分的输入和比较的性能被遮挡的输入到原始输入。我们观察到,在某些条件下,遮挡输入在测试数据集上具有比原始输入更好的性能。在声音和图像识别任务中也观察到类似的行为。我们探讨了不同的损失梯度归因方法,遮挡水平和替换值来解释遮挡下的性能改善现象。
2022-07-15 cs.AI cs.IR cs.LG
ShapBPT: Image Feature Attributions Using Data-Aware Binary Partition Trees
本文提出ShapBPT,一种基于层次Shapley公式的数据感知图像可视化方法,通过多尺度二进制划分树结构提升图像特征归因的效率与语义意义。
2026-03-25 cs.CV cs.LG
Time Interpret: a Unified Model Interpretability Library for Time Series
Babylon Health(巴比伦健康);Skippr
本文介绍 time_interpret,一个基于 Captum 的统一时序模型可解释性库,提供特征归因、数据集、模型与评估工具,并发布多种配套的新归因方法。
2023-06-06 cs.AI cs.LG
reward-lens: A Mechanistic Interpretability Library for Reward Models
reward-lens库将传统生成LLM的机制可解释性工具适配至奖励模型,通过奖励头权重向量作为核心分析轴,提供多种分析工具和扩展功能,验证发现线性归因与因果修补效果存在负相关。
2026-04-28 cs.AI cs.LG
FREQuency ATTribution: benchmarking frequency-based occlusion for time series data
Smart Data & Knowledge Services(智能数据与知识服务);DFKI GmbH(DFKI公司)
本文提出FreqAtt框架,通过频率域分析提升时间序列数据的可解释性,结合传统方法在频率优化信号上实现强性能表现。
2026-02-24 cs.LG
Captum: A unified and generic model interpretability library for PyTorch
Facebook AI(Facebook 人工智能研究院)
在本文中,我们为PyTorch引入了一个新颖的,统一的,开源的模型可解释性库[12]。该库包含许多基于梯度和扰动的归因算法的通用实现,也称为特征、神经元和层重要性算法,以及这些算法的一组评估指标。它可以用于分类和非分类模型,包括建立在神经网络(NN)上的图结构模型。在本文中,我们给出了一个高层次的概述支持的属性算法,并显示如何执行内存效率和可扩展的计算。我们强调,图书馆的三个主要特点是多模态,可扩展性和易用性。多模态支持不同模态的输入,例如图像、文本、音频或视频。可扩展性允许添加新的算法和功能。该库还旨在易于理解和使用。此外,我们还介绍了一个名为Captum Insights的交互式可视化工具,该工具构建在Captum库之上,允许基于样本的模型调试和使用特征重要性度量的可视化。
2020-09-16 cs.AI cs.LG stat.ML
A Bayesian Information-Theoretic Approach to Data Attribution
University of Amsterdam(阿姆斯特丹大学);Spotify
本文提出基于贝叶斯信息论的训练数据归因方法,通过信息损失度量归因样本,结合高斯过程近似提升可扩展性,实验显示在反事实敏感性、真实检索和聚类选择中表现优异。
2026-04-08 cs.LG stat.ML
Hybrid Attribution Priors for Explainable and Robust Model Training
School of Computer Science, Peking University(北京大学计算机科学学院);Key Lab of High Confidence Software Technologies, Peking University(北京大学高可信软件技术重点实验室);Kling Team(Kling团队);Department of Systems Engineering and Engineering Management, CUHK(CUHK系统工程与工程管理系)
本文提出CAP Hybrid方法,通过结合CAP与现有归因技术,提升模型的可解释性和鲁棒性。
2025-12-09 cs.AI cs.LG
RoSHAP: A Distributional Framework and Robust Metric for Stable Feature Attribution
Department of Statistics(统计学系);Virginia Tech(弗吉尼亚理工大学);Transportation Institute(交通运输研究所);Department of Computer Science(计算机科学系)
本文提出RoSHAP框架和稳健度量,通过Bootstrap重采样和核密度估计建模特征归因分布,提升特征归因的稳定性与可解释性。
2026-05-14 cs.LG stat.ML
Matryoshka attribution: Learning to attribute language model outputs to representations and weights
Stanford University(斯坦福大学)
提出 Matryoshka 归因(MAttr)掩码学习方法,通过可微 sigmoid top-k 算子学习组件嵌套子集,在机制可解释性基准上排名第一,并可用于识别微调中导致行为变化的权重。
2026-09-23 cs.CL cs.LG
Data Attribution via Sketched Metadifferentiation
Columbia University(哥伦比亚大学);Carnegie Mellon University(卡内基梅隆大学)
本文提出MAGE和SPELL两种算法,通过从少量测量中估计大型影响矩阵,在不增加额外成本的情况下实现大规模数据归因,并在多种训练规模和预算下超越现有基线。
2026-09-21 cs.LG stat.ML
How Faithful Is Attribution for Sales Forecasting? A Counterfactual Study
本研究针对多序列WaveNet销售预测模型,添加反事实可解释性层,通过删除/插入协议评估归因可信度,发现归因反映模型真实行为,同时明确其信息性的异质性与局限性。
2026-09-07 cs.LG
ConEx: Human-Interpretable Saliency Maps via Concept-Aware Attribution
Tel Aviv University(特拉维夫大学);The Open University(开放大学)
ConEx提出了一种结合显著性可视化与概念推理的框架,通过自动发现概念激活向量生成忠实且可解释的显著性图,并引入VCM和CCM指标,在多个基准上达到最先进性能。
2026-10-06 cs.AI cs.CV cs.LG
On Baselines for Local Feature Attributions
University of Tuebingen(蒂宾根大学)
高性能的预测模型,如神经网络,通常作为黑箱运行,这引起了对其可解释性的严重担忧。局部特征归因方法有助于解释黑盒模型,因此是评估预测可靠性和公平性的有力工具。为此,大多数归因模型将输入特征的重要性与参考值(通常称为基线)进行比较。最近的研究表明,基线可以严重影响特征属性的质量。然而,在实践中,我们经常发现简单的基线,如零矢量。在本文中,我们经验表明,基线可以显着改变特征属性的判别力。我们对表格数据集进行分析,从而补充了最近的图像数据工作。此外,我们提出了一个新的分类基线方法。我们的实验研究说明了流行的归因模型对基线的敏感性,从而为更深入地讨论表格数据的合理基线方法奠定了基础。
2021-01-04 cs.LG
Attributional Robustness Training using Input-Gradient Spatial Alignment
Adobe(奥多比);IIT Hyderabad(印度理工学院海得拉巴分校)
可解释性是可信机器学习的一个新兴研究领域。机器学习系统的安全部署要求预测及其解释是可靠和鲁棒的。最近,研究表明,通过在输入中添加视觉上难以察觉的扰动,同时保持模型的预测不变,可以很容易地操纵解释。在这项工作中,我们研究的问题归因的鲁棒性(即模型具有强大的解释),通过显示输入图像和其解释图之间的空间相关性的归因脆弱性的上限。我们提出了一种训练方法,学习强大的功能,最大限度地减少这个上限使用软利润率三重损失。我们的稳健归因训练方法(\textit{ART})在几个标准数据集上实现了$\approx$ 6-18 $\%$的新的最先进的归因稳健性测量。SVHN、CIFAR-10和GTSRB。我们进一步展示了所提出的鲁棒训练技术(\textit{ART})在弱监督对象定位的下游任务中的实用性,通过在CUB-200数据集上实现新的最先进的性能。
2020-07-18 cs.CV cs.LG eess.IV
EAGLE: Efficient Alignment of Generalized Latent Embeddings for Multimodal Survival Prediction with Interpretable Attribution Analysis
Dept. of Machine Learning Moffitt Cancer Center(机器学习系莫菲特癌症中心);Dept. of Cancer Epidemiology Moffitt Cancer Center(癌症流行病学系莫菲特癌症中心);Dept. of Electrical Engineering University of South Florida(电气工程系佛罗里达州立大学)
提出深度学习框架EAGLE,通过动态跨模态注意力机制实现大规模降维与多模态融合,结合互补归因方法提供患者级可解释性,在三种癌症数据上验证了其高预测性能与临床风险分层价值。
2025-06-12 cs.AI cs.LG