研究提出概念瓶颈模型鲁棒性评估框架

1. 12:00
   arXiv cs.AI

   可解释但脆弱？概念瓶颈模型在几何-语义扰动下的鲁棒性

   研究提出基于生成器的评估框架，在潜空间连续几何扰动与概念空间离散语义干预两类扰动下，对比标准分类器与概念瓶颈模型（CBM）的鲁棒性，并采用预测与概念级敏感度指标及潜空间、概念空间的随机平滑进行可验证评估。结果显示可解释性并不天然带来鲁棒性，概念瓶颈只是改变了敏感性的分布位置与方式，二者是不同目标。该工作已被 NeurIPS 2026 接收。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。