#SHAP

新PCI框架让复杂因果系统解释变得可行，比SHAP更尊重因果结构，比实际因果性更可扩展。

研究人员提出SIGMA方法，解决了LLM在特征工程中的元数据缺失问题，大幅降低特征重复率，提升效率。

这个双编码器迁移框架挺有意思：美国数据预训练、台湾数据适配，PM2.5预测MSE比旧方法降了7%，消融实验也扎实。

这篇论文用实打实的数据告诉你，PM2.5对呼吸健康影响有多大，而且不同收入国家差别明显，模型能解释比只看精度更重要。

这篇论文用链上交易数据和推特情绪来给比特币情绪分类，XGBoost模型F1到了0.84，还用了SHAP解释特征重要性，对做加密货币分析的人有参考价值。

用XGBoost搞物理参数拟合，还能用SHAP解释结果，做物理AI的值得看。

这篇论文用XAI方法拆解了欧洲39个地区的电价驱动力，告诉你太阳能比想象中更重要、天然气还是老大，还模拟了全欧统一电价会怎样。

这篇论文提出了解释卡，能帮你避免被算法解释误导，而且用SHAP和反事实解释举了具体例子。