arXiv cs.AI· Pietro Barbiero, Giovanni De Felice, Mateo Espinosa Zarlenga, Francesco Giannini, Filippo Bonchi, Mateja Jamnik, Giuseppe Marra, Ruggero Noris·· 11 小时前AI 评分36
标准可解释模型 SIM：从基本对称性出发设计可解释机器学习方法
The Standard Interpretable Model: Design interpretable machine learning methods from elementary symmetries
AI 导读
研究者提出标准可解释模型（SIM），一套可从第一性原理演绎设计可解释方法的通用理论：它用一组前提概括目标实体的可解释性，据此系统推导可解释性对称性与对应约束，并通过在优化问题中引入约束或把约束编译为可解释架构来构建模型。
正文 · AI 翻译
摘要：随着人工智能模型复杂度的提升，可解释性已成为理解、调试和控制其计算过程不可或缺的工具。然而，可解释性领域缺乏用于演绎式设计可解释方法的通用理论。理论与方法之间的这一空白导致了文献的碎片化和评估协议的不一致。
为填补这一空白，我们提出了标准可解释模型（Standard Interpretable Model，SIM），这是一种通用理论，能够从第一性原理出发演绎式地设计可解释方法。具体而言，SIM 用一组前提概括了对于目标实体而言可解释性是什么。从这些前提出发，SIM 系统地推导出可解释性对称性及相应的约束。随后，人们可以通过在优化问题中引入约束，或将约束编译为可解释架构，来构建可解释模型。
最重要的发现——无论在理论上还是实证上——是完全的表达能力与可解释性对称性可以在同一模型中并存，这表明准确性与可解释性之间的权衡是模型设计造成的人为产物。我们在语言模型（LM）上展示了这一点：基于 SIM 的语言模型在不对可解释性做任何妥协的情况下，达到了同等不透明语言模型的性能。除此之外，SIM 还展示了如何提升现有预训练模型的可解释性，指出了尚未充分探索的研究方向，并统一了一个长期碎片化的学科，为可解释性课程提供了教学基础。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；神经与进化计算（cs.NE） |
| 引用为： | arXiv:2606.12289 [cs.LG] |
| （或使用 arXiv:2606.12289v3 [cs.LG] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2606.12289 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Pietro Barbiero [查看邮箱]
[v1]
2026年6月10日 星期三 16:26:22 UTC（8,495 KB）
[v2]
2026年8月18日 星期二 06:06:31 UTC（8,566 KB）
[v3]
2026年11月4日 星期三 22:09:05 UTC（13,903 KB）
来源：arXiv cs.AI · arxiv.org