可解释

AI 的“诚实”指南：一文详解 Conformal Prediction (共形预测) 与 Split Conformal摘要：在 AI 落地的高风险领域，“大概率是对的”往往意味着“有概率会发生灾难”。如何让黑盒模型（Deep Learning）诚实地表达自己的“无知”？

论文深度解析：基于大语言模型的城市公园多维度感知解码与公平性提升原文：Beyond sentiment: Using large language models to decode multidimensional urban park perceptions for enhanced equality

随风飘摇的土木狗

【MATLAB第116期】基于MATLAB的NBRO-XGBoost的SHAP可解释回归模型（敏感性分析方法）该文章实现了一个可解释的回归模型，使用NBRO-XGBoost（方法可以替换，但是需要有一定的编程基础）来预测特征输出。该模型利用七个变量参数作为输入特征进行训练。为了提高可解释性，应用了SHapley Additive exPlanations（SHAP），去深入了解每个参数对模型预测的贡献。

VERA: 基于视觉-语言模型的解释性视频异常检测框架arxiv’24 - 爱荷华大学/ 马普学会智能系统研究所（图宾根）/奥本大学项目主页 VERA: Explainable Video Anomaly Detection via Verbalized Learning of Vision-Language Models

随风飘摇的土木狗

【MATLAB第112期】基于MATLAB的SHAP可解释神经网络回归模型（敏感性分析方法）【MATLAB第112期】基于MATLAB的SHAP可解释神经网络回归模型（敏感性分析方法）该文章实现了一个可解释的神经网络回归模型，使用BP神经网络（BPNN）来预测特征输出。该模型利用七个变量参数作为输入特征进行训练。为了提高可解释性，应用了SHapley Additive exPlanations（SHAP），去深入了解每个参数对模型预测的贡献。

我是有底线的