Buchumschlag

A Mechanistic Explanatory Strategy for XAI

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Rabiza, Marcin
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

Explanatory machine learning for sequential human teaching
von: Ai, Lun, et al.
Veröffentlicht: (2022)

Navigating Explanatory Multiverse Through Counterfactual Path Geometry
von: Sokol, Kacper, et al.
Veröffentlicht: (2023)

Why do explanations fail? A typology and discussion on failures in XAI
von: Bove, Clara, et al.
Veröffentlicht: (2024)

Evaluating Explanations: An Explanatory Virtues Framework for Mechanistic Interpretability -- The Strange Science Part I.ii
von: Ayonrinde, Kola, et al.
Veröffentlicht: (2025)

Explanatory Summarization with Discourse-Driven Planning
von: Liu, Dongqi, et al.
Veröffentlicht: (2025)

Axe the X in XAI: A Plea for Understandable AI
von: Páez, Andrés
Veröffentlicht: (2024)

Fast and Accurate Explanations of Distance-Based Classifiers by Uncovering Latent Explanatory Structures
von: Bley, Florian, et al.
Veröffentlicht: (2025)

On the Hardness of Computing Counterfactual and Semifactual Explanations in XAI
von: Artelt, André, et al.
Veröffentlicht: (2026)

CHILLI: A data context-aware perturbation method for XAI
von: Anwar, Saif, et al.
Veröffentlicht: (2024)

Reliable Explanations or Random Noise? A Reliability Metric for XAI
von: Sengupta, Poushali, et al.
Veröffentlicht: (2026)

Interpretability in Symbolic Regression: a benchmark of Explanatory Methods using the Feynman data set
von: Aldeia, Guilherme Seidyo Imai, et al.
Veröffentlicht: (2024)

Prediction is not Explanation: Revisiting the Explanatory Capacity of Mapping Embeddings
von: Herasimchyk, Hanna, et al.
Veröffentlicht: (2025)

XAI-Units: Benchmarking Explainability Methods with Unit Tests
von: Lee, Jun Rui, et al.
Veröffentlicht: (2025)

Towards Explainable Artificial Intelligence (XAI): A Data Mining Perspective
von: Xiong, Haoyi, et al.
Veröffentlicht: (2024)

Decoupling Pixel Flipping and Occlusion Strategy for Consistent XAI Benchmarks
von: Blücher, Stefan, et al.
Veröffentlicht: (2024)

STRIDE: Subset-Free Functional Decomposition for XAI in Tabular Settings
von: Ko, Chaeyun
Veröffentlicht: (2025)

OpenXAI: Towards a Transparent Evaluation of Model Explanations
von: Agarwal, Chirag, et al.
Veröffentlicht: (2022)

Informative Semi-Factuals for XAI: The Elaborated Explanations that People Prefer
von: Aryal, Saugat, et al.
Veröffentlicht: (2026)

XAI for In-hospital Mortality Prediction via Multimodal ICU Data
von: Li, Xingqiao, et al.
Veröffentlicht: (2023)

Probing to Refine: Reinforcement Distillation of LLMs via Explanatory Inversion
von: Tan, Zhen, et al.
Veröffentlicht: (2026)

Are We Merely Justifying Results ex Post Facto? Quantifying Explanatory Inversion in Post-Hoc Model Explanations
von: Tan, Zhen, et al.
Veröffentlicht: (2025)

Breast Cancer Diagnosis: A Comprehensive Exploration of Explainable Artificial Intelligence (XAI) Techniques
von: Bai, Samita, et al.
Veröffentlicht: (2024)

Mind the XAI Gap: A Human-Centered LLM Framework for Democratizing Explainable AI
von: Paraschou, Eva, et al.
Veröffentlicht: (2025)

A method for the systematic generation of graph XAI benchmarks via Weisfeiler-Leman coloring
von: Fontanesi, Michele, et al.
Veröffentlicht: (2025)

Explaining deep neural network models for electricity price forecasting with XAI
von: Pesenti, Antoine, et al.
Veröffentlicht: (2025)

Beyond the Black Box: Do More Complex Deep Learning Models Provide Superior XAI Explanations?
von: Cedro, Mateusz, et al.
Veröffentlicht: (2024)

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

PSO-XAI: A PSO-Enhanced Explainable AI Framework for Reliable Breast Cancer Detection
von: Raquib, Mirza, et al.
Veröffentlicht: (2025)

How can we trust opaque systems? Criteria for robust explanations in XAI
von: Boge, Florian J., et al.
Veröffentlicht: (2025)

Putnam's Critical and Explanatory Tendencies Interpreted from a Machine Learning Perspective
von: Soudin, Sheldon Z.
Veröffentlicht: (2025)

PnPXAI: A Universal XAI Framework Providing Automatic Explanations Across Diverse Modalities and Models
von: Kim, Seongun, et al.
Veröffentlicht: (2025)

MedXAI: A Retrieval-Augmented and Self-Verifying Framework for Knowledge-Guided Medical Image Analysis
von: Urooj, Midhat, et al.
Veröffentlicht: (2025)

Explanations as Bias Detectors: A Critical Study of Local Post-hoc XAI Methods for Fairness Exploration
von: Papanikou, Vasiliki, et al.
Veröffentlicht: (2025)

Finding the right XAI method -- A Guide for the Evaluation and Ranking of Explainable AI Methods in Climate Science
von: Bommer, Philine, et al.
Veröffentlicht: (2023)

Evaluating Explanatory Capabilities of Machine Learning Models in Medical Diagnostics: A Human-in-the-Loop Approach
von: Bobes-Bascarán, José, et al.
Veröffentlicht: (2024)

Towards Symbolic XAI -- Explanation Through Human Understandable Logical Relationships Between Features
von: Schnake, Thomas, et al.
Veröffentlicht: (2024)

Introducing δ-XAI: a novel sensitivity-based method for local AI explanations
von: De Carlo, Alessandro, et al.
Veröffentlicht: (2024)

FAIR_XAI: Improving Multimodal Foundation Model Fairness via Explainability for Wellbeing Assessment
von: Chiang, Sophie, et al.
Veröffentlicht: (2026)

Benchmarking Instance-Centric Counterfactual Algorithms for XAI: From White Box to Black Box
von: Moreira, Catarina, et al.
Veröffentlicht: (2022)

NormEnsembleXAI: Unveiling the Strengths and Weaknesses of XAI Ensemble Techniques
von: Hryniewska-Guzik, Weronika, et al.
Veröffentlicht: (2024)