Copertina

Who Benefits from AI Explanations? Towards Accessible and Interpretable Systems

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Peixoto, Maria J. P., Pandey, Akriti, Zaman, Ahsan, Lewis, Peter R.
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

A Survey of Accessible Explainable Artificial Intelligence Research
di: Nwokoye, Chukwunonso Henry, et al.
Pubblicazione: (2024)

Towards Fine-Grained Interpretability: Counterfactual Explanations for Misclassification with Saliency Partition
di: Zhang, Lintong, et al.
Pubblicazione: (2025)

The Who in XAI: How AI Background Shapes Perceptions of AI Explanations
di: Ehsan, Upol, et al.
Pubblicazione: (2021)

A Two-Stage LLM Framework for Accessible and Verified XAI Explanations
di: Mermigkis, Georgios, et al.
Pubblicazione: (2026)

Interpreting Agentic Systems: Beyond Model Explanations to System-Level Accountability
di: Zhu, Judy, et al.
Pubblicazione: (2026)

Who Benefits from RAG? The Role of Exposure, Utility and Attribution Bias
di: Dehghan, Mahdi, et al.
Pubblicazione: (2026)

Addressing Explainability of Generative AI using SMILE (Statistical Model-agnostic Interpretability with Local Explanations)
di: Dehghani, Zeinab
Pubblicazione: (2026)

Diagrammatization and Abduction to Improve AI Interpretability With Domain-Aligned Explanations for Medical Diagnosis
di: Lim, Brian Y., et al.
Pubblicazione: (2023)

Is Trust Correlated With Explainability in AI? A Meta-Analysis
di: Atf, Zahra, et al.
Pubblicazione: (2025)

Who Benefits From Sinus Surgery? Comparing Generative AI and Supervised Machine Learning for Predicting Surgical Outcomes in Chronic Rhinosinusitis
di: Chowdhury, Sayeed Shafayet, et al.
Pubblicazione: (2026)

A Critical Survey on Fairness Benefits of Explainable AI
di: Deck, Luca, et al.
Pubblicazione: (2023)

The Explanation Necessity for Healthcare AI
di: Mamalakis, Michail, et al.
Pubblicazione: (2024)

MARCH: Evaluating the Intersection of Ambiguity Interpretation and Multi-hop Inference
di: Park, Jeonghyun, et al.
Pubblicazione: (2025)

Formal Explanations for Neuro-Symbolic AI
di: Paul, Sushmita, et al.
Pubblicazione: (2024)

Towards More Trustworthy and Interpretable LLMs for Code through Syntax-Grounded Explanations
di: Palacio, David N., et al.
Pubblicazione: (2024)

An Ontology-Enabled Approach For User-Centered and Knowledge-Enabled Explanations of AI Systems
di: Chari, Shruthi
Pubblicazione: (2024)

Beyond Persuasion: Towards Conversational Recommender System with Credible Explanations
di: Qin, Peixin, et al.
Pubblicazione: (2024)

Interpretable AI for Time-Series: Multi-Model Heatmap Fusion with Global Attention and NLP-Generated Explanations
di: Francis, Jiztom Kavalakkatt, et al.
Pubblicazione: (2025)

Towards A Comprehensive Visual Saliency Explanation Framework for AI-based Face Recognition Systems
di: Lu, Yuhang, et al.
Pubblicazione: (2024)

Beyond Attention: Toward Machines with Intrinsic Higher Mental States
di: Adeel, Ahsan
Pubblicazione: (2025)

Onto-Epistemological Analysis of AI Explanations
di: Mattioli, Martina, et al.
Pubblicazione: (2025)

IDs for AI Systems
di: Chan, Alan, et al.
Pubblicazione: (2024)

Novel Interpretable and Robust Web-based AI Platform for Phishing Email Detection
di: Al-Subaiey, Abdulla, et al.
Pubblicazione: (2024)

Who Benefits from AI? Self-Selection, Skill Gap, and the Hidden Costs of AI Feedback
di: Riedl, Christoph, et al.
Pubblicazione: (2024)

CAVE: Controllable Authorship Verification Explanations
di: Ramnath, Sahana, et al.
Pubblicazione: (2024)

Who Gets Credit or Blame? Attributing Accountability in Modern AI Systems
di: Zhang, Shichang, et al.
Pubblicazione: (2025)

Generative Ghosts: Anticipating Benefits and Risks of AI Afterlives
di: Morris, Meredith Ringel, et al.
Pubblicazione: (2024)

Faithful and Stable Neuron Explanations for Trustworthy Mechanistic Interpretability
di: Yan, Ge, et al.
Pubblicazione: (2025)

Causality-Aware Local Interpretable Model-Agnostic Explanations
di: Cinquini, Martina, et al.
Pubblicazione: (2022)

Explanation-Guided Adversarial Training for Robust and Interpretable Models
di: Chen, Chao, et al.
Pubblicazione: (2026)

Interpreting Language Reward Models via Contrastive Explanations
di: Jiang, Junqi, et al.
Pubblicazione: (2024)

Beyond Technocratic XAI: The Who, What & How in Explanation Design
di: Dhar, Ruchira, et al.
Pubblicazione: (2025)

Towards Accessible Physical AI: LoRA-Based Fine-Tuning of VLA Models for Real-World Robot Control
di: Omaisan, Abdullah Yahya Abdullah, et al.
Pubblicazione: (2025)

Listening with Language Models: Using LLMs to Collect and Interpret Classroom Feedback
di: Maram, Sai Siddartha, et al.
Pubblicazione: (2025)

A Cellular Doctrine of Morality: Intrinsic Active Precision and the Mind-Reality Overload Dilemma
di: Adeel, Ahsan
Pubblicazione: (2026)

Towards Unified Attribution in Explainable AI, Data-Centric AI, and Mechanistic Interpretability
di: Zhang, Shichang, et al.
Pubblicazione: (2025)

Towards Enhanced RAC Accessibility: Leveraging Datasets and LLMs
di: Sepulveda, Edison Jair Bejarano, et al.
Pubblicazione: (2024)

LLMs for Explainable AI: A Comprehensive Survey
di: Bilal, Ahsan, et al.
Pubblicazione: (2025)

Enhancing the Interpretability of Rule-based Explanations through Information Retrieval
di: Umbrico, Alessandro, et al.
Pubblicazione: (2025)

Explanation Space: A New Perspective into Time Series Interpretability
di: Rezaei, Shahbaz, et al.
Pubblicazione: (2024)