perturbation-based

ConceptSMILE是一个基于扰动的审计框架，用于评估基于概念的可解释人工智能的可靠性，已在视网膜眼底图像上进行了测试。

一位16岁的开发者创建了sage-explainer，这是一个Python包，用于近似黑盒模型（如随机森林和XGBoost）对特征的预测灵敏度，提供比中心有限差分更稳定的结果。

本文针对工业视觉检测提出了一种架构感知的解释审计协议，通过晶圆图和异常检测数据集上的实验证明，解释方法的保真度受其与模型原生决策机制的结构兼容性约束。