Faithful Perturbations and Evaluations for Post-Hoc Local Explanation Methods
Notice bibliographique
Résumé
There are many pre-trained AI models currently in use because of their high performance and quick responses on important tasks. With new laws and legislature passing that is aware and critical of these methods we now require explanations from these models. However, most of the original training data are no longer available and it's impractical to expend resources to train a new explainable model. An alternative is to produce explanations of these pre-trained models, known as post-hoc explanations. The most popular of these methods, LIME, has seen a great deal of employment on this problem, but it has unaddressed issues with performance. Something we presume is caused by the quality of the local data generated to train it, known as perturbations. To fix this issue and clarify the goals of post-hoc explanations we propose using a distribution better follows patterns in the data when generating perturbed samples. A distribution is used to add noise or create more local samples, producing perturbations. Originally this is the normal distribution but there are many others. We evaluate each approach by estimating fidelity on real local-data using the nearest neighbors to the explained sample. We find that when there are correlations between features, using multivariate perturbations greatly improves generalizability, more so than other perturbation approaches. This works particularly well for complex post-hoc explainers, and when there is little to gain from interactions there is no noticeable decrease to performance to worry about.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».