arXiv cs.AI· Alexey Ignatiev, Peter J. Stuckey, Joao Marques-Silva·· 4 小时前AI 评分26
形式化反事实解释研究:用合取反事实解释连接最近世界语义与形式化 XAI
On Formal Counterfactual Explanations
AI 导读
论文将最近世界语义下的反事实解释刻画为所有最小距离反例实例的析取范式,并提出合取反事实解释(CFXp)——限定为特征文字合取、保证预测改变的反事实前件子类。研究证明每个 CXp 可为其见证实例诱导一个 AXp,CXp 与见证 AXp 结合可诱导出支持集由该 AXp 精确确定的 CFXp,从而可用现有 AXp/CXp 机制模块化计算 CFXp。
正文 · AI 翻译
摘要:反事实解释通常被视为最近世界语义下的反事实条件句,需要对所有最小距离的反例进行推理。相比之下,形式化 XAI 通常依赖基于特征的反绎解释(AXps)和对比解释(CXps),它们具有高效计算和最小命中集对偶性。本文通过以下方式弥合这些视角:(i) 将最近世界反事实解释明确刻画为所有最小距离反例实例上的析取范式;(ii) 引入合取反事实解释(CFXps),这是反事实前件的一个子类,限制为保证预测变化的特征文字合取。本文建立了连接 CXps、AXps 和 CFXps 的结构性结果:每个 CXp 为其见证实例诱导一个 AXp,而每个 CXp 连同见证 AXp 诱导一个 CFXp,其支持集恰好由该 AXp 确定。这些理论结果产生了一种使用现有 AXp/CXp 机制计算 CFXps 的模块化方法。在代表性基准集上使用树集成和神经网络进行的实验表明,CFXp 提取在实践中是高效的。与流行的基于点的反事实解释器相比,CFXps 通常不需要更多的特征变化,并且可以保证超越单个实例的反事实预测。
| 主题: | 人工智能(cs.AI);机器学习(cs.LG);计算机科学中的逻辑(cs.LO) |
| 引用为: | arXiv:2611.22010 [cs.AI] |
| (或 arXiv:2611.22010v1 [cs.AI] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2611.22010 由 DataCite 颁发的 arXiv DOI(待注册) |
提交历史
来自:Alexey Ignatiev [查看电子邮件]
[v1]
2026年11月16日星期一 23:51:26 UTC(1,256 KB)
来源:arXiv cs.AI · arxiv.org