Chinese contentDynSurvX:为动态生存预测提供时间维度的可解释性框架
做医疗预测模型的人可以看看这篇。动态生存模型性能虽好但解释不了,DynSurvX 用 Shapley 值把每个时间点的特征重要性算清楚,还比基线快 41%-80%,临床部署时医生能看懂模型在用什么做判断。
做医疗预测模型的人可以看看这篇。动态生存模型性能虽好但解释不了,DynSurvX 用 Shapley 值把每个时间点的特征重要性算清楚,还比基线快 41%-80%,临床部署时医生能看懂模型在用什么做判断。
联邦学习团队终于有了一个能动态衡量客户端贡献的方法——FedTSV解决了固定权重带来的不公平和训练不稳定问题,做分布式模型训练的开发者可以直接参考实验效果。
SwarmHarness 解决了闲置算力无法安全共享的核心痛点,做分布式计算或 AI 智能体网络的开发者可以直接参考其激励设计,无需依赖中心化云市场或复杂区块链。
做模型可解释性研究的团队终于有了兼顾速度和精度的交互指数估计器——ProxySHAP 在数千特征场景下仍保持低误差,值得直接替换现有方法。