surrogates

NVExplain 引入了一种模型无关的框架，通过分析潜在轨迹和语义流来解释时间序列预测，使用结构保持代理模型生成具有竞争力和稳定性的人类可读解释。

本文针对AI驱动碰撞仿真替代模型中的不确定性量化问题，对蒙特卡洛Dropout与深度集成方法进行了对比研究，采用开源保险杠横梁作为基准测试。

本文提出使用语言模型作为选择性代理来优化GPU内核运行时，展示了一种新颖的性能预测方法。