arXiv cs.AI· Tomasz Szanda{\l}a, Damian Raczkowski·· 3 天前AI 评分22
图流中的解释漂移能否先于保真度失效预警？一种无标签早期监测方法
Does the Explanation Drift Before the Guarantee? Label-Free Early Warning on Evolving Graphs
AI 导读
研究发现，在演化图流中，模型自身的归因解释可作为共形覆盖失效的早期预警信号。作者修正了朴素漂移统计量：将重要性以边存在为条件，并按结构角色聚合以消除边重标记带来的虚假漂移（合成图0.69、真实自我网络0.83均降至0.0）。双通道监测器在四类渐变场景下提前8至14.5步预警覆盖崩溃，真实交易自我网络上无调参的质量通道提前27步预警，且是唯一在平稳流上从不误报的通道。
正文 · AI 翻译
摘要：已部署的模型可能会在其所描述的世界演变时悄然失效。归因漂移在表格数据中已作为早期预警信号；我们探究在图流中，模型自身的解释能否预示名义保形覆盖率的丧失。要做到这一点，需要对朴素的漂移统计量进行两次修正。消失的边无论模型是否依赖它都会失去掩码质量，因此我们将重要性以边存在为条件。演化图还会破坏边的身份：一个不改变任何内容的重新标记，在合成图上会使基于身份的统计量偏移 0.69，在真实自我网络上偏移 0.83，而按结构角色聚合则将两者都降至 0.0，并在支撑集变化时仍保持良好定义。我们在三十个随机种子上测试了六种预注册情形。一个双通道监测器，跟踪条件掩码质量及其在角色上的分布，在四种渐变情形（节点添加、移除、替换和边稀疏化）中先于覆盖率崩溃 8 到 14.5 步，全部通过 Holm 校正。突然剔除产生预期的零提前量，而无害变化不触发警报。提前量跟踪过渡阶段的长度（150 次运行中 Spearman 0.79）。在真实交易自我网络上，未调优的质量通道提前 27 步预警分阶段漂移，并且是唯一一个在平稳流上从不报警的通道，无论归因还是结构。主要局限是质量通道对协变量漂移视而不见，这在每次运行中都会破坏保证；分布通道能检测到它，并且还能挽救重连情形，因此我们分别报告这两个通道，而不是作为并集。
| 评论： | 9 页 + 可复现性附录 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.16534 [cs.AI] |
| （或 arXiv:2610.16534v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.16534 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Tomasz Szandala [查看电子邮件]
[v1]
2026年10月12日星期一 10:22:57 UTC（760 KB）
来源：arXiv cs.AI · arxiv.org