arXiv · 评测
新研究提出无需真值的可量化视觉解释评估框架
可解释 AI 的评估长期受困于缺乏真实标签。这篇 arXiv 论文提出一个量化指标框架，能够在没有 ground-truth 的情况下衡量视觉解释的质量，为 XAI 方法的验证提供了可比较的基准。该方法不依赖人工标注，直接利用模型内部表征与解释图之间的对齐程度来打分，有望推动可解释性研究的标准化进程。
- 域名
arxiv.org- 评分
- 4 · 重要更新
- 发布
- 2026-05-18
导读
这条暂时没有深度导读，点上方「访问项目本体」直接到源页面查看。
原文摘要
Explainable AI (XAI) techniques are increasingly important for the validation and responsible use of modern deep learning models, but are difficult to evaluate due to the lack of good ground-truth to compare against. We propose a framework that serves as a quantifiable metric for the quality of XAI…