arXiv · ML· Ruoyu Chen, Siyuan Liang, Jingzhi Li, Shiming Liu, Li Liu, Hua Zhang, Xiaochun Cao·· 9 小时前AI 评分33
LiMA：基于极简可解释子集选择的高效黑盒归因方法
Less is More: Efficient Black-box Attribution via Minimal Interpretable Subset Selection
AI 导读
LiMA 提出了一种将黑盒归因转化为有序可解释子集选择问题的新方法，在 8 个基础模型和 6 个数据集上实现了高效归因。 LiMA 利用双向贪心搜索优化子集选择，相比朴素贪心搜索快 1.6 倍；在 Insertion 和 Deletion 指标上平均分别提升 36.3% 和 39.6%。 该研究已被 T-PAMI 接收，表明其在减少子区域的同时实现了比现有方法更高保真度的模型解释。
来源：arXiv · ML · arxiv.org