跳到正文
热点事件持续更新

Ra-NEM 归因方法优化插入删除曲线

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

Bjørn Leth Møller 等人提交论文,提出归因方法 Ra-NEM。研究从插入与删除曲线下面积这一忠实性度量推导出目标函数及梯度近似方法,建立插入曲线与 top-k 特征选择的联系,并得到衡量归因质量的新型损失函数。 将随机化损失与神经解释掩码框架结合后,Ra-NEM 可用于任意可微模型,且论文称不影响模型性能;在忠实性等 XAI 指标上优于其他算法,推理速度快,适合在线应用,代码已公开。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月8日
  1. arXiv:cs.LG
    面向忠实性信仰者:为排序相对特征重要性优化插入与删除曲线下面积

    研究从插入与删除曲线下面积这一忠实性度量推导出目标函数及其梯度近似方法,并建立插入曲线与 top-k 特征选择的联系,得到衡量归因质量的新型损失函数。将随机化损失与神经解释掩码框架结合得到的 Ra-NEM,可适配任意可微模型且不影响模型性能,归因在忠实性等 XAI 指标上优于其他算法,推理速度快,适合在线应用,代码已公开。

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。