研究者提出LEX事后XAI置信度估计框架

Mahmoud Sanad等作者提出 Lightweight Runtime EXplainability（LEX），称其为首个用于机器学习资源管理（RM）模型的事后 XAI 框架，可在不重新训练模型的情况下，为每个输入给出细粒度的运行时置信度估计。 该框架针对的是基于机器学习的资源管理模型在分布外（OOD）场景下的运行时预测可靠性问题；作者将其定位为事后方法，即不改变原模型训练过程。上述“首个”与效果表述均为作者在论文中的说法。

AI 根据报道生成 · 44 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。