Copertina

Attributions All the Way Down? The Metagame of Interpretability

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Baniecki, Hubert, Biecek, Przemyslaw, Fumagalli, Fabian
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Interpreting CLIP with Hierarchical Sparse Autoencoders
di: Zaigrajew, Vladimir, et al.
Pubblicazione: (2025)

Adversarial attacks and defenses in explainable artificial intelligence: A survey
di: Baniecki, Hubert, et al.
Pubblicazione: (2023)

Explaining Similarity in Vision-Language Encoders with Weighted Banzhaf Interactions
di: Baniecki, Hubert, et al.
Pubblicazione: (2025)

SwordBench: Evaluating Orthogonality of Steering Image Representations
di: Zaigrajew, Vladimir, et al.
Pubblicazione: (2026)

Birds look like cars: Adversarial analysis of intrinsically interpretable deep learning
di: Baniecki, Hubert, et al.
Pubblicazione: (2025)

survex: an R package for explaining machine learning survival models
di: Spytek, Mikołaj, et al.
Pubblicazione: (2023)

The Grammar of Interactive Explanatory Model Analysis
di: Baniecki, Hubert, et al.
Pubblicazione: (2020)

shapiq: Shapley Interactions for Machine Learning
di: Muschalik, Maximilian, et al.
Pubblicazione: (2024)

Red-Teaming Segment Anything Model
di: Jankowski, Krzysztof, et al.
Pubblicazione: (2024)

Model Science: getting serious about verification, explanation and control of AI systems
di: Biecek, Przemyslaw, et al.
Pubblicazione: (2025)

On the Robustness of Global Feature Effect Explanations
di: Baniecki, Hubert, et al.
Pubblicazione: (2024)

Efficient and Accurate Explanation Estimation with Distribution Compression
di: Baniecki, Hubert, et al.
Pubblicazione: (2024)

Performance is not enough: the story told by a Rashomon quartet
di: Biecek, Przemyslaw, et al.
Pubblicazione: (2023)

Proxy-Based Approximation of Shapley and Banzhaf Interactions
di: Thies, Santo M. A. R., et al.
Pubblicazione: (2026)

Position: Explain to Question not to Justify
di: Biecek, Przemyslaw, et al.
Pubblicazione: (2024)

Exploring Local Explanations of Nonlinear Models Using Animated Linear Projections
di: Spyrison, Nicholas, et al.
Pubblicazione: (2022)

Position: Do Not Explain Vision Models Without Context
di: Tomaszewska, Paulina, et al.
Pubblicazione: (2024)

Global Counterfactual Directions
di: Sobieski, Bartlomiej, et al.
Pubblicazione: (2024)

Interpretable Machine Learning for Survival Analysis
di: Langbein, Sophie Hanna, et al.
Pubblicazione: (2024)

Your CLIP has 164 dimensions of noise: Exploring the embeddings covariance eigenspectrum of contrastively pretrained vision-language transformers
di: Grzywaczewski, Jakub, et al.
Pubblicazione: (2026)

Exploration of the Rashomon Set Assists Trustworthy Explanations for Medical Data
di: Kobylińska, Katarzyna, et al.
Pubblicazione: (2023)

Auditing Sybil: Explaining Deep Lung Cancer Risk Prediction Through Generative Interventional Attributions
di: Sobieski, Bartlomiej, et al.
Pubblicazione: (2026)

X-ray transferable polyrepresentation learning
di: Hryniewska-Guzik, Weronika, et al.
Pubblicazione: (2025)

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

Functional Decomposition and Shapley Interactions for Interpreting Survival Models
di: Langbein, Sophie Hanna, et al.
Pubblicazione: (2026)

PolySHAP: Extending KernelSHAP with Interaction-Informed Polynomial Regression
di: Fumagalli, Fabian, et al.
Pubblicazione: (2026)

LINE: LLM-based Iterative Neuron Explanations for Vision Models
di: Zaigrajew, Vladimir, et al.
Pubblicazione: (2026)

System-Embedded Diffusion Bridge Models
di: Sobieski, Bartlomiej, et al.
Pubblicazione: (2025)

HyperSHAP: Shapley Values and Interactions for Explaining Hyperparameter Optimization
di: Wever, Marcel, et al.
Pubblicazione: (2025)

No learning rates needed: Introducing SALSA -- Stable Armijo Line Search Adaptation
di: Kenneweg, Philip, et al.
Pubblicazione: (2024)

Interpretable machine learning for time-to-event prediction in medicine and healthcare
di: Baniecki, Hubert, et al.
Pubblicazione: (2023)

Red Teaming Models for Hyperspectral Image Analysis Using Explainable AI
di: Zaigrajew, Vladimir, et al.
Pubblicazione: (2024)

AIM: Attributing, Interpreting, Mitigating Data Unfairness
di: Liu, Zhining, et al.
Pubblicazione: (2024)

VRAIL: Vectorized Reward-based Attribution for Interpretable Learning
di: Kim, Jina, et al.
Pubblicazione: (2025)

FP4 All the Way: Fully Quantized Training of LLMs
di: Chmiel, Brian, et al.
Pubblicazione: (2025)

KernelSHAP-IQ: Weighted Least-Square Optimization for Shapley Interactions
di: Fumagalli, Fabian, et al.
Pubblicazione: (2024)

Learning to Price: Interpretable Attribute-Level Models for Dynamic Markets
di: Sethuraman, Srividhya, et al.
Pubblicazione: (2026)

Enhancing Model Interpretability with Local Attribution over Global Exploration
di: Zhu, Zhiyu, et al.
Pubblicazione: (2024)

Quanda: An Interpretability Toolkit for Training Data Attribution Evaluation and Beyond
di: Bareeva, Dilyara, et al.
Pubblicazione: (2024)

Self-Improving AI Agents through Self-Play
di: Chojecki, Przemyslaw
Pubblicazione: (2025)