研究者提出DocXEval多模态文档可解释性评测框架
热点事件持续更新
研究者提出DocXEval多模态文档可解释性评测框架
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Saifullah Saifullah等作者提出DocXEval，称其为首个面向多模态（文本、布局、图像）文档理解的可解释性框架，将现有XAI方法与评测指标适配到该场景，并针对语义实体识别等领域任务引入多目标适配。 该框架系统评测了13种XAI方法，覆盖3项文档理解任务、8个数据集、4个模型和17项指标，发现仅少数方法在各标准下表现一致，Occlusion整体上最忠实、最可解释。作者表示已公开代码以支持复现。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 12:00
DocXEval：多模态文档理解可解释性系统评测框架报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.CLDocXEval：多模态文档理解可解释性系统评测框架
研究者提出 DocXEval，首个面向多模态（文本、布局、图像）文档理解的可解释性框架，将现有 XAI 方法与评测指标适配到该场景。该框架系统评测了 13 种 XAI 方法，覆盖 3 项文档理解任务、8 个数据集、4 个模型和 17 项指标，发现仅少数方法在各标准下表现一致，Occlusion 整体上最忠实、最可解释。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。