Компьютерные науки > Машинное обучение [представлено 28 сентября 2025 (v1), последний пересмотренный вариант от 26 октября 2026 года (эта версия, v2)) Название: "О различимости Концепции активации Векторов Вид PDF HTML" (экспериментальное) резюме: Одна из наиболее насущных задач в искусственном интеллекте заключается в том, чтобы сделать модели более транспарентными для их пользователей. В последнее время для решения этой проблемы был разработан целый ряд методов, которые можно объяснить искусственным интеллектом. Одним из многообещающих путей является использование концептуальных объяснений, т.е. концепций высокого уровня вместо простых оценок значимости характеристик. Среди этих методов одним из главных участников является концепция активации (CAVs, Kim et al. 2018). Один из интересных аспектов CAV состоит в том, что их вычисления требуют выборочных примеров с поездного комплекта. Таким образом, полученные фактические векторы могут варьироваться в зависимости от случайности этого отбора проб. В настоящем документе мы предлагаем провести тонкий теоретический анализ конструкции КАВ, с тем чтобы количественно оценить их изменчивость. Наши результаты, подтвержденные экспериментами по нескольким реальным наборам данных из четырех различных вариантов, указывают на универсальный результат: разница между КАУ уменьшается примерно в 1 долл. США за доллары США, где $N - это число случайных примеров. Исходя из этого, мы представляем практические рекомендации относительно…
О различимости Концепции активирующих векторов
arXiv: 25009.24058v2 Annuales Type: заменить перекрестное резюме: одна из наиболее насущных задач в искусственном интеллекте заключается в том, чтобы сделать модели более транспарентными для их пользователей. В последнее время для решения этой проблемы был разработан целый ряд методов, которые можно объяснить искусственным интеллектом. Одним из многообещающих путей является использование концептуальных объяснений, т.е. концепций высокого уровня вместо простых оценок значимости характеристик. Среди этих методов одним из главных участников является концепция активации (CAVs, Kim et al. 2018). Один из интересных аспектов CAV состоит в том, что их вычисления требуют выборочных примеров с поездного комплекта. Таким образом, полученные фактические векторы могут варьироваться в зависимости от случайности этого отбора проб. В настоящем документе мы предлагаем провести тонкий теоретический анализ конструкции КАВ, с тем чтобы количественно оценить их изменчивость. Наши результаты, подтвержденные экспериментами по нескольким реальным наборам данных с четырьмя различными способами, указывают на универсальный результат: разница