SynClaimEval: A Framework for Evaluating the Utility of Synthetic Data in Long-Context Claim Verification
University of Pittsburgh（匹兹堡大学）；Zillow Inc.（Zillow公司）
该研究针对长上下文主张验证中合成数据效用评估的需求，提出SynClaimEval框架，从输入特征、合成逻辑和解释质量三方面评估，实验证明其能提升模型验证性能和解释质量，为相关任务提供可扩展数据方案。
2025-11-12 cs.CL
TSQueryBench: LLM-as-a-Judge for Time Series Explanations
BITS Pilani（比拉理工学院皮拉尼校区）；KIIT（KIIT大学）；Birla AI Labs（比拉人工智能实验室）
本文研究了在无参考情况下，利用大语言模型作为生成和评估时间序列解释的工具，通过构造合成基准测试，评估模型在生成解释、相对排序、独立评分和多异常检测任务中的表现，发现评估任务比生成任务更稳定。
2026-08-19 cs.AI cs.CL
SMARTER: A Data-efficient Framework to Improve Toxicity Detection with Explanation via Self-augmenting Large Language Models
University of Maryland（马里兰大学）
SMARTER通过两阶段框架利用大语言模型自身输出生成解释，提升内容审核的可解释性，实验表明在三个基准任务中实现13%的宏F1提升，且数据使用量仅为全训练数据的分数。
2026-04-21 cs.AI cs.CL
Towards Consistent Natural-Language Explanations via Explanation-Consistency Finetuning
Columbia University（哥伦比亚大学）；Microsoft Research（微软研究院）；University of California, Berkeley（加州大学伯克利分校）；NYU（纽约大学）
本文提出 EC-finetuning，通过包含一致解释的合成数据微调 LLM，以提升相关问答示例上的自然语言解释一致性，并在域内和分布外数据集上验证其效果。
2024-01-25 cs.AI cs.CL cs.LG
Evaluating LLM-Based Process Explanations under Progressive Behavioral-Input Reduction
University of Twente（特文特大学）
本文评估了在渐进式缩减行为输入规模时，基于LLM生成过程模型解释的质量变化，发现适度缩减输入能在基本保持解释质量的同时降低计算成本，为资源受限环境下的高效过程分析提供了可行路径。
2025-10-10 cs.AI cs.LG
MetaLogic: Logical Reasoning Explanations with Fine-Grained Structure
Sun Yat-sen University（中山大学）；Tencent AI Lab（腾讯人工智能实验室）；Tsinghua University（清华大学）；Pengcheng Laboratory（鹏城实验室）
在本文中，我们提出了一个全面的基准来研究模型在复杂的现实生活场景中的逻辑推理能力。当前的解释数据集通常采用具有简单推理结构的合成数据。因此，它不能表达更复杂的推理过程，如对推理步骤的反驳和证据的确定程度。为此，我们提出了一种综合逻辑推理的解释形式。基于多跳推理链，解释形式包括三个主要部分：（1）推理节点可被质疑的反驳条件;（2）揭示推理节点内在结构的逻辑公式;（3）以确定度表示的推理强度。细粒度的结构符合真实的逻辑推理场景，更好地拟合人类的认知过程，但同时，对当前的模型更具挑战性。在这种新的解释形式下，我们评估了目前最好的模型的性能。实验结果表明，生成推理图仍然是一个具有挑战性的任务，目前的模型，即使在巨大的预训练语言模型的帮助下。
2022-10-22 cs.AI cs.CL cs.LO
LLMExplainer: Large Language Model based Bayesian Inference for Graph Explanation Generation
Purdue University（普渡大学）；Florida International University（佛罗里达国际大学）；Arizona State University（亚利桑那州立大学）；Microsoft Research（微软研究院）
本文提出LLMExplainer，将大语言模型作为贝叶斯推理模块嵌入图神经网络解释网络，以缓解数据集稀缺导致的学习偏差，并在理论和实验上验证了其有效性。
2024-07-23 cs.AI cs.CL cs.LG
LLM Reasoning for Machine Translation: Synthetic Data Generation over Thinking Tokens
Inria Paris（巴黎研究所）
本研究探讨大型推理模型在机器翻译中使用思考令牌的效果，发现其无益，但结合翻译特定提示的中间令牌可提升性能，建议教师模型改进翻译或扩展语料库更有效。
2025-10-13 cs.CL
Archimedes-AUEB at SemEval-2024 Task 5: LLM explains Civil Procedure
Athens University of Economics and Business（雅典经济与商业大学）；Athena Research Center（雅典娜研究中心）
针对SemEval民事诉讼论证推理任务中现有法律大模型推理依据存疑的问题，提出以ChatGPT为教师模型，基于真实人类分析生成解释与合成变异数据，微调小型学生模型，性能超教师模型且获法律专家验证，还公开了相关数据与提示词。
2024-05-14 cs.CL
C-ing Clearly: Enhanced Binary Code Explanations using C code
Bitdefender（比特梵德）；The National University of Science and Technology Politehnica Bucharest（布加勒斯特理工大学国立科技大学）
通过生成C代码数据提升LLM对汇编语言的理解，改进二进制代码摘要和漏洞检测性能。
2025-12-16 cs.CL cs.LG
ESL-Bench: An Event-Driven Synthetic Longitudinal Benchmark for Health Agents
Shanda Group（盛大集团）
ESL-Bench通过合成100个用户数据，涵盖健康档案、多阶段叙事计划、日常设备测量、定期检查记录和事件日志，评估健康代理在多源轨迹推理中的性能，发现数据库代理在比较和解释任务中显著优于记忆增强RAG基线。
2026-04-03 cs.AI
DEXTER: Diffusion-Guided EXplanations with TExtual Reasoning for Vision Models
University of Catania（卡塔尼亚大学）；University of Central Florida（中央佛罗里达大学）
本文提出无数据框架DEXTER，结合扩散模型与大语言模型，无需训练数据或真值标签即可为视觉分类器生成全局文本解释，在多数据集上的表现优于现有方法。
2025-11-16 cs.AI cs.CV
Generate, Evaluate, Iterate: Synthetic Data for Human-in-the-Loop Refinement of LLM Judges
IBM Research（IBM研究院）
本文提出将合成数据生成集成到LLM即评判器工作流中的工具，支持定制测试用例和AI辅助编辑，并通过用户研究证明合成数据在优化评判标准和对齐人类偏好方面与手工数据同样有效，且效率更高。
2025-11-06 cs.AI cs.HC
RealAC: A Domain-Agnostic Framework for Realistic and Actionable Counterfactual Explanations
Arizona State University（亚利桑那州立大学）
提出领域无关框架RealAC，通过联合分布对齐自动保留特征依赖并支持冻结属性，生成兼顾真实性与可执行性的反事实解释，在多项指标上超越现有基线方法。
2025-08-14 cs.AI cs.LG
Probabilistic Conceptual Explainers: Trustworthy Conceptual Explanations for Vision Foundation Models
Rutgers University（罗格斯大学）
针对视觉Transformer事后可信解释方法不足的问题，提出含五项评判标准的变分贝叶斯解释框架PACE，通过建模图像块嵌入分布提供多层级概念解释，实验表明其性能优于现有最优方法。
2024-10-31 cs.AI cs.CV cs.LG
Improving Explainable Recommendations with Synthetic Reviews
Insight Centre for Data Analytics（洞察数据分析中心）；University College Dublin（都柏林大学学院）；Aalborg University（奥尔堡大学）
推荐系统的一项重要任务是为用户提供可解释的解释。这对系统的可信度很重要。当前的可解释推荐系统倾向于关注对用户来说重要的某些特征，并以结构化的形式提供它们的解释。众所周知，用户生成的评论和来自评论者的反馈对用户的决策有很强的影响力。另一方面，最近的文本生成工作已被证明可以生成与人类书面文本质量相似的文本，我们的目标是表明生成的文本可以成功地用于解释建议。在本文中，我们提出了一个框架，包括流行的审查为导向的生成模型，旨在创建个性化的解释建议。这些解释是在字和词两个层面上产生的。我们构建了一个数据集，其中包含来自亚马逊书评数据集的评论者反馈。我们的跨领域实验旨在从自然语言处理到推荐系统领域的桥梁。除了语言模型评估方法，我们采用DeepCoNN，一种新的面向评论的推荐系统，使用深度神经网络，通过均方根误差（RMSE）来评估生成的评论的推荐性能。我们证明了合成个性化评论比人类书面评论具有更好的推荐性能。据我们所知，这是第一个机器生成的自然语言解释评级预测。
2018-07-18 cs.AI cs.CL cs.IR
A Semi-Synthetic Dataset Generation Framework for Causal Inference in Recommender Systems
准确的推荐和可靠的解释是现代推荐系统的两个关键问题。然而，大多数推荐基准只关注用户项目评分的预测，而忽略了评分背后的潜在原因。例如，广泛使用的Yahoo！R3数据集包含的关于用户电影评级原因的信息很少。一个解决办法是进行调查，并要求用户提供这类信息。在实践中，用户调查很难避免遵从性问题和稀疏的用户响应，这极大地阻碍了基于感知的推荐的探索。为了更好地支持推荐系统中的因果推理和进一步解释的研究，我们提出了一种新的推荐系统半合成数据生成框架，该框架采用带有缺失的因果图模型来描述实际推荐场景的因果机制.为了说明我们的框架的使用，我们构建了一个半合成的数据集与因果标签和评级（CTAR）的基础上，电影以及他们的描述性标签和评级信息收集从一个著名的电影评级网站。使用所收集的数据和因果图，自动生成用户项目评级及其对应的用户项目标签，其提供用户对项目进行评级的原因（所选标签）。还报告了关于CTAR数据集的描述性统计量和基线结果。建议的数据生成框架不仅限于推荐，而且发布的API可以用于生成其他研究任务的自定义数据集。
2022-02-23 cs.IR
Model-Free Counterfactual Subset Selection at Scale
针对AI决策解释依赖合成示例易引入偏差、需完整数据集的问题，提出可扩展无模型方法，从观测数据选反事实示例，流环境中更新复杂度O(log k)，实证性能优于基线且对抗条件下稳健。
2025-02-12 cs.DB cs.DS cs.IR
