XAI 相关 AI 资讯 · AI 热点

7月8日

10:16

10:16

官方账号arXiv cs.AI@Marcelo Arenas, Pablo Barceló, Diego Bustamante, Jose Caraball, María Alejandra Schild, Bernardo Subercaseaux

论文提出ExplAIner查询语言，可统一表达溯因、对比、特征和距离等多种解释查询。它基于FOIL语言扩展，解决了FOIL无法表达最优性解释查询且决策树评估复杂的问题。ExplAIner的查询评估属于布尔层次结构，对确定性可分解布尔电路可在多项式时间内完成。引入优化片段Opt-FOIL，可通过固定次数SAT求解器调用计算最小解释。

论文 ExplAIner FOIL 可解释AI 查询语言 XAI

推荐理由：这篇论文提出了一种新查询语言ExplAIner，能统一处理各种模型解释查询，还证明计算效率高，对做形式化XAI的人很有用。

6月30日

11:53

11:53

官方账号arXiv cs.LG@Nick Oh, Helen Jin

本文指出，后验解释方法常用于解释科学机器学习模型，但仅凭模型可靠（预测匹配结果）和解释忠实（解释匹配模型）不足以证明模型揭示了现象的真实结构。文章强调，两者均未验证模型的工作机制是否与现象本身一致。作者认为，要支持关于现象结构的声明，还需依赖外部佐证，而非仅靠解释链。

论文后验解释可解释性科学模型 XAI

推荐理由：这篇论文点出一个关键漏洞：模型准、解释对，不等于模型真懂现象。做AI科学发现的人必看。

6月28日

21:39

21:39

小互@imxiaohu

71°

马斯克透露Grok 4.5基于1.5T参数的V9基础模型，并在补充训练中加入了Cursor数据。该模型已在SpaceX和Tesla进入早期测试阶段。初步评估显示其性能接近甚至可能超过Anthropic的Opus模型。马斯克还表示强化学习持续提升模型性能，今年将每月发布完全从头训练的新模型。

AI模型 Grok 4.5 马斯克 XAI 1.5T V9 推理模型

推荐理由：马斯克刚发了Grok 4.5，基于1.5T参数的V9模型，还加了Cursor数据，测试阶段就快超过Opus了，值得关注。

6月18日

10:33

10:33

官方账号arXiv cs.LG@Antoine Pesenti, Aidan O'Sullivan

该论文使用深度学习（DNN）结合可解释AI（XAI）技术，分析欧洲39个竞价区的电价决定因素。通过SHAP方法和扩展的SSHAP聚合框架量化特征贡献。研究发现太阳能等可再生能源在电价形成中作用突出，尽管其发电占比低；天然气价格仍是主导且一致的驱动因素；跨区域互联显著影响价格动态。论文还构建了一个合成全欧洲统一电力市场的反事实场景。

论文 XAI SHAP DNN 欧洲电力市场可解释性

推荐理由：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。