新闻
立场：可解释性研究必须优先考虑基础而非临时方法
1 分钟阅读
来源：arXiv ML
arXiv:2607.14123v1 公告类型：新 摘要：尽管可解释人工智能 (XAI) 技术不断涌现——从特征归因到稀疏自动编码器——但解释很少影响现实世界的工作流程。在实践中，它们常常在没有指导有意义的行动的情况下产生和丢弃。这一差距反映了根本性的缺陷：研究尚未建立将解释整合到端到端、人机交互系统中的方法。本立场文件认为，机器学习社区必须从临时 XAI 方法转向解决基础和结构性挑战，包括不明确的问题表述、未明确的评估目标、