arXiv · AI· Vasilis Gkolemis, Loukas Kavouras, Dimitrios Kyriakopoulos, Konstantinos Tsopelas, Dimitrios Rontogiannis, Giuseppe Casalicchio, Theodore Dalamagas, Christos Diou·· 4 小时前AI 评分20
CALMs：兼顾可解释性与精度的条件局部加性模型
Interpretability-by-Design with Accurate Locally Additive Models and Conditional Feature Effects
AI 导读
研究人员提出条件局部加性模型（CALMs），在保持 GAMs 可解释性的同时，精度与 GA²Ms 相当。该模型通过独立阈值定义特征交互区域，实现局部加性效应。 实验显示，CALMs 在分类和回归任务上持续优于 GAMs，并保留了单变量可审计性。该工作已被 NeurIPS 2026 接收，相关代码已公开。
来源：arXiv · AI · arxiv.org