Buchumschlag

One Wave To Explain Them All: A Unifying Perspective On Feature Attribution

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kasmi, Gabriel, Brunetto, Amandine, Fel, Thomas, Parekh, Jayneel
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Distribution-Based Feature Attribution for Explaining the Predictions of Any Classifier
von: Li, Xinpeng, et al.
Veröffentlicht: (2025)

GNN Explanations that do not Explain and How to find Them
von: Azzolin, Steve, et al.
Veröffentlicht: (2026)

A Concept-Based Explainability Framework for Large Multimodal Models
von: Parekh, Jayneel, et al.
Veröffentlicht: (2024)

Restyling Unsupervised Concept Based Interpretable Networks with Generative Models
von: Parekh, Jayneel, et al.
Veröffentlicht: (2024)

A Dual-Perspective Approach to Evaluating Feature Attribution Methods
von: Li, Yawei, et al.
Veröffentlicht: (2023)

Unifying Perplexing Behaviors in Modified BP Attributions through Alignment Perspective
von: Zheng, Guanhua, et al.
Veröffentlicht: (2025)

Learning to Steer: Input-dependent Steering for Multimodal LLMs
von: Parekh, Jayneel, et al.
Veröffentlicht: (2025)

When Prompts Override Vision: Prompt-Induced Hallucinations in LVLMs
von: Khayatan, Pegah, et al.
Veröffentlicht: (2026)

One Filter to Deploy Them All: Robust Safety for Quadrupedal Navigation in Unknown Environments
von: Lin, Albert, et al.
Veröffentlicht: (2024)

One Router to Route Them All: Homogeneous Expert Routing for Heterogeneous Graph Transformers
von: Shakirov, Georgiy, et al.
Veröffentlicht: (2025)

Explaining Time Series Classification Predictions via Causal Attributions
von: Alcaraz, Juan Miguel Lopez, et al.
Veröffentlicht: (2024)

Drop the Act: Probe-Filtered RL for Faithful Chain-of-Thought Reasoning
von: Parekh, Swapnil
Veröffentlicht: (2026)

Thinking Wrong in Silence: Backdoor Attacks on Continuous Latent Reasoning
von: Parekh, Swapnil
Veröffentlicht: (2026)

One-Dimensional Adapter to Rule Them All: Concepts, Diffusion Models and Erasing Applications
von: Lyu, Mengyao, et al.
Veröffentlicht: (2023)

Impossibility Theorems for Feature Attribution
von: Bilodeau, Blair, et al.
Veröffentlicht: (2022)

On the Overlooked Pitfalls of Weight Decay and How to Mitigate Them: A Gradient-Norm Perspective
von: Xie, Zeke, et al.
Veröffentlicht: (2020)

Attributions All the Way Down? The Metagame of Interpretability
von: Baniecki, Hubert, et al.
Veröffentlicht: (2026)

Probabilistic Stability Guarantees for Feature Attributions
von: Jin, Helen, et al.
Veröffentlicht: (2025)

Sparks of Explainability: Recent Advancements in Explaining Large Vision Models
von: Fel, Thomas
Veröffentlicht: (2025)

Projecting Assumptions: The Duality Between Sparse Autoencoders and Concept Geometry
von: Hindupur, Sai Sumedh R., et al.
Veröffentlicht: (2025)

Who's the (Multi-)Fairest of Them All: Rethinking Interpolation-Based Data Augmentation Through the Lens of Multicalibration
von: Halevy, Karina, et al.
Veröffentlicht: (2024)

Helpful or Harmful Data? Fine-tuning-free Shapley Attribution for Explaining Language Model Predictions
von: Wang, Jingtan, et al.
Veröffentlicht: (2024)

Explaining Time Series Classifiers with PHAR: Rule Extraction and Fusion from Post-hoc Attributions
von: Mozolewski, Maciej, et al.
Veröffentlicht: (2025)

Explaining Categorical Feature Interactions Using Graph Covariance and LLMs
von: Shen, Cencheng, et al.
Veröffentlicht: (2025)

A Geometric Unification of Concept Learning with Concept Cones
von: Rocchi--Henry, Alexandre, et al.
Veröffentlicht: (2025)

On the Properties of Feature Attribution for Supervised Contrastive Learning
von: Arrighi, Leonardo, et al.
Veröffentlicht: (2026)

Unifying Attribution-Based Explanations Using Functional Decomposition
von: Gevaert, Arne, et al.
Veröffentlicht: (2024)

Feature-Function Curvature Analysis: A Geometric Framework for Explaining Differentiable Models
von: Najafi, Hamed, et al.
Veröffentlicht: (2025)

A Polynomial-Time Axiomatic Alternative to SHAP for Feature Attribution
von: Hiraki, Kazuhiro, et al.
Veröffentlicht: (2026)

ABE: A Unified Framework for Robust and Faithful Attribution-Based Explainability
von: Zhu, Zhiyu, et al.
Veröffentlicht: (2025)

Attribution Explanations for Deep Neural Networks: A Theoretical Perspective
von: Deng, Huiqi, et al.
Veröffentlicht: (2025)

CIRCUS: Circuit Consensus under Uncertainty via Stability Ensembles
von: Parekh, Swapnil
Veröffentlicht: (2026)

Delta-XAI: A Unified Framework for Explaining Prediction Changes in Online Time Series Monitoring
von: Kim, Changhun, et al.
Veröffentlicht: (2025)

On the explainable properties of 1-Lipschitz Neural Networks: An Optimal Transport Perspective
von: Serrurier, Mathieu, et al.
Veröffentlicht: (2022)

Correlation-Aware Feature Attribution Based Explainable AI
von: Sengupta, Poushali, et al.
Veröffentlicht: (2025)

Learning Unified Distance Metric for Heterogeneous Attribute Data Clustering
von: Zhang, Yiqun, et al.
Veröffentlicht: (2026)

Pruning By Explaining Revisited: Optimizing Attribution Methods to Prune CNNs and Transformers
von: Hatefi, Sayed Mohammad Vakilzadeh, et al.
Veröffentlicht: (2024)

All Random Features Representations are Equivalent
von: Sernau, Luke, et al.
Veröffentlicht: (2024)

HMVI: Unifying Heterogeneous Attributes with Natural Neighbors for Missing Value Inference
von: Luo, Xiaopeng, et al.
Veröffentlicht: (2026)

One Filters All: A Generalist Filter for State Estimation
von: Liu, Shiqi, et al.
Veröffentlicht: (2025)