Sep, 2024

在真相发现定量双极论证框架中应用归因解释

HTML
PDF
TL;DR本研究解决了在循环定量双极论证框架（QBAF）中对论点和关系的归因解释的缺乏。通过同时应用论点归因解释（AAE）和关系归因解释（RAE）于真相发现QBAF（TD-QBAF），我们发现这些方法能够提供有趣的解释，并给出意想不到的洞见，展现了其在评估信息来源可信度上的潜力。
发现论文，激发创造
  • 基于模式的文本分类器的争论性说明

    本文针对可解释模型的解释方法进行研究，提出了一种基于计算论证的 AXPLR 方法， 用于从特定的可解释模型 PLR 中提取易于理解的解释，并在人工智能协作方面进行了实证评估和两个实验的研究。

    May, 2022

  • AQE:通过四元组标记增强的生成方法提取论证四元组

    该研究提出了一个新的任务-argument quadruplet extraction， 旨在提供四种互相关联的论证组成部分提取，即声明、证据、证据类型和立场，并通过构建一个数据集，并提出了一种基于生成模型的新方法来解决任务。

    May, 2023

  • 定量双极论证框架中的论证归因解释

    解释性AI的一个关键问题是如何解释Argumentation Frameworks (AFs)的推理结果，而定量推理结果在gradual semantics下的解释尚未得到广泛关注。本文提出了一个新的Argument Attribution Explanations (AAEs)理论，通过在Quantitative Bipolar Argumentation Frameworks (QBAFs)中引入机器学习中的特征归因理念，研究AAEs的理论性质，并通过两个案例研究验证了AAEs在假新闻检测和电影推荐系统中的应用性。

    Jul, 2023

  • 定量双极论证图的贡献函数：基于原则的分析

    我们提出了一种基于原则的分析方法，用于定量双极论证图中对一个论证对另一个论证的贡献的量化。这些引入的原则将不同贡献函数的直觉形式化，并且考虑了贡献函数的一般行为预期。由于没有一个被涵盖的贡献函数满足所有原则，我们的分析可以作为一个工具，根据给定用例的需求选择最适合的函数。

    Jan, 2024

  • 非扁平假设为基础的论证的实例化和计算方面

    该研究通过使用ABA和BAF之间的翻译，提出了一种基于实例的方法来推理非平坦的ABA，并通过识别冗余参数的三种方式来降低计算成本。实证评估表明，这种方法在许多情况下胜过不构建参数的方法，反映了BAF推理的复杂度较低。

    Apr, 2024

  • 解释论证的强度: 揭示攻击和支持的作用(技术报告)

    提供定量解释的关系归因解释（RAEs）理论，适应于计算攻击和支持在定量双极论证中的作用，通过计算归因分数量化解释论点的强度，并且提出了一种概率算法在有效近似RAEs的同时，揭示了RAEs在欺诈检测和大型语言模型案例研究中的应用价值。

    Apr, 2024

  • 抽象论证中的对立假设和半事实解释: 形式基础、复杂性与计算

    该论文探讨了可解释人工智能和形式论证在抽象论证框架中的反事实和半事实推理，研究了其计算复杂性，并提供了通过ASP求解器的计算策略。

    May, 2024

  • CE-QArg：定量单极争议框架的对立解释（技术报告）

    通过引入逆事实解释，我们提出了一种名为CE-QArg的迭代算法，它可以确定有效且具有成本效益的逆事实解释，并通过极性和优先级两个核心模块来确定每个论据的更新方向和大小，以解决Quantitative Bipolar Argumentation Frameworks（QBAFs）中论据强度的问题。

    Jul, 2024

  • BEExAI：可解释人工智能评估基准

    该研究针对可解释性研究中缺乏统一评估方法的问题，提出了一种新的基准工具BEExAI，用于大规模比较不同的后置可解释性方法。研究显示，采用BEExAI能够有效衡量可解释性方法的质量和准确性，推动该领域的进一步发展。

    Jul, 2024

  • CHECKWHY：通过论证结构进行因果事实验证

    本研究针对现有事实验证任务中的推理能力不足问题，提出了CheckWhy数据集，旨在通过严格的推理步骤验证声明中的因果关系。研究结果表明，纳入论证结构对于因果事实验证至关重要，且当前模型在生成有效论证结构方面仍存在较大改进空间。

    Aug, 2024