Copertina

Explainable AML Triage with LLMs: Evidence Retrieval and Counterfactual Checks

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Torres, Dorothy, Cheng, Wei, Hu, Ke
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Artificial Intelligence Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Certifying Counterfactual Bias in LLMs
di: Chaudhary, Isha, et al.
Pubblicazione: (2024)

Graph Counterfactual Explainable AI via Latent Space Traversal
di: Hansen, Andreas Abildtrup, et al.
Pubblicazione: (2025)

Can LLMs Reconcile Knowledge Conflicts in Counterfactual Reasoning
di: Yamin, Khurram, et al.
Pubblicazione: (2025)

Co-Investigator AI: The Rise of Agentic AI for Smarter, Trustworthy AML Compliance Narratives
di: Naik, Prathamesh Vasudeo, et al.
Pubblicazione: (2025)

Ev2R: Evaluating Evidence Retrieval in Automated Fact-Checking
di: Akhtar, Mubashara, et al.
Pubblicazione: (2024)

Automated Formalization via Conceptual Retrieval-Augmented LLMs
di: Lu, Wangyue, et al.
Pubblicazione: (2025)

An explainable model to support the decision about the therapy protocol for AML
di: Almeida, Jade M., et al.
Pubblicazione: (2023)

Uncertainty Quantification as a Principled Foundation for Explainable Artificial Intelligence: A Case Study of Counterfactual Explanations
di: Sokol, Kacper, et al.
Pubblicazione: (2025)

Explainable Anomaly Detection: Counterfactual driven What-If Analysis
di: Cummins, Logan, et al.
Pubblicazione: (2024)

From What Ifs to Insights: Counterfactuals in Causal Inference vs. Explainable AI
di: Shmueli, Galit, et al.
Pubblicazione: (2025)

Explaining Fine Tuned LLMs via Counterfactuals A Knowledge Graph Driven Framework
di: Wang, Yucheng, et al.
Pubblicazione: (2025)

Exploring the Frontiers of LLMs in Psychological Applications: A Comprehensive Review
di: Ke, Luoma, et al.
Pubblicazione: (2024)

GCFX: Generative Counterfactual Explanations for Deep Graph Models at the Model Level
di: Hu, Jinlong, et al.
Pubblicazione: (2026)

Contrastive Learning to Improve Retrieval for Real-world Fact Checking
di: Sriram, Aniruddh, et al.
Pubblicazione: (2024)

Rethinking LLMOps for Fraud and AML: Building a Compliance-Grade LLM Serving Stack
di: Naik, Prathamesh Vasudeo, et al.
Pubblicazione: (2026)

Explainable Global Wildfire Prediction Models using Graph Neural Networks
di: Chen, Dayou, et al.
Pubblicazione: (2024)

Evidence for Limited Metacognition in LLMs
di: Ackerman, Christopher
Pubblicazione: (2025)

RAG-Instruct: Boosting LLMs with Diverse Retrieval-Augmented Instructions
di: Liu, Wanlong, et al.
Pubblicazione: (2024)

ArgRAG: Explainable Retrieval Augmented Generation using Quantitative Bipolar Argumentation
di: Zhu, Yuqicheng, et al.
Pubblicazione: (2025)

Exploiting Latent Linearity in LLMs Improves Explainable Molecular Representation Learning
di: Li, Zhuoran, et al.
Pubblicazione: (2024)

A Comprehensive Guide to Explainable AI: From Classical Models to LLMs
di: Hsieh, Weiche, et al.
Pubblicazione: (2024)

Can LLMs Revolutionize the Design of Explainable and Efficient TinyML Models?
di: Zeinaty, Christophe El, et al.
Pubblicazione: (2025)

Awakening Dormant Experts:Counterfactual Routing to Mitigate MoE Hallucinations
di: Hu, Wentao, et al.
Pubblicazione: (2026)

Ablation Based Counterfactuals
di: Dai, Zheng, et al.
Pubblicazione: (2024)

Lookahead Counterfactual Fairness
di: Zuo, Zhiqun, et al.
Pubblicazione: (2024)

Evidence Without Injustice: A New Counterfactual Test for Fair Algorithms
di: Loi, Michele, et al.
Pubblicazione: (2025)

EquivaMap: Leveraging LLMs for Automatic Equivalence Checking of Optimization Formulations
di: Zhai, Haotian, et al.
Pubblicazione: (2025)

A Survey on Explainable Deep Reinforcement Learning
di: Cheng, Zelei, et al.
Pubblicazione: (2025)

Counterfactual Evaluation Reveals Hidden Capability Profiles in Clinical LLMs and Agents
di: Turk, Matt
Pubblicazione: (2026)

Sanity Checks for Explanation Uncertainty
di: Valdenegro-Toro, Matias, et al.
Pubblicazione: (2024)

Grounding by Trying: LLMs with Reinforcement Learning-Enhanced Retrieval
di: Hsu, Sheryl, et al.
Pubblicazione: (2024)

TrueGradeAI: Retrieval-Augmented and Bias-Resistant AI for Transparent and Explainable Digital Assessments
di: Thakur, Rakesh, et al.
Pubblicazione: (2025)

F-Fidelity: A Robust Framework for Faithfulness Evaluation of Explainable AI
di: Zheng, Xu, et al.
Pubblicazione: (2024)

Counterfactual Concept Bottleneck Models
di: Dominici, Gabriele, et al.
Pubblicazione: (2024)

Counterfactual explainability and analysis of variance
di: Gao, Zijun, et al.
Pubblicazione: (2024)

Budgeting Counterfactual for Offline RL
di: Liu, Yao, et al.
Pubblicazione: (2023)

FactSelfCheck: Fact-Level Black-Box Hallucination Detection for LLMs
di: Sawczyn, Albert, et al.
Pubblicazione: (2025)

Synergizing Deconfounding and Temporal Generalization For Time-series Counterfactual Outcome Estimation
di: Liu, Yiling, et al.
Pubblicazione: (2025)

Sanity Checks for Agentic Data Science
di: Rewolinski, Zachary T., et al.
Pubblicazione: (2026)

LIFT: Interpretable truck driving risk prediction with literature-informed fine-tuned LLMs
di: Hu, Xiao, et al.
Pubblicazione: (2025)