#XAI

做模型解释的可以看看这篇：Ra-NEM 直接把忠实性指标变成损失函数来优化，比一般归因方法指标更好、推理也快，代码开源了。

一篇反向思路的研究：不是用因果模型生成解释，而是把人类解释当学习信号来发现因果结构，还证明了何时该拒绝错误解释。

推文作者说，除了风投公司，AI 领域里几乎所有公司，从模型到工具再到基础设施，都没有护城河。

Suhail@Suhail11 个信源在谈原文

XAI评估怎么做才靠谱？这篇论文用DetoxAI和概念漂移案例讲清了不足和应对思路，适合搞模型解释的人读。

这篇论文给可解释性打分提出了一个新指标EPC，不挑模型，而且拿人类判断验证过，做XAI研究的可以看。

这篇论文告诉你：给AI代码审查加解释，反而可能让人更不听话。详细解释信任高但同意率低，这结论挺反直觉的。

这篇论文把知识图谱和可解释AI怎么配合讲清楚了，还给出了四种具体集成模式，干城市矿产评估的可以看看。

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。

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。

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。

小互@imxiaohu11 个信源在谈原文

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。