可解释性研究该归功谁？Casper 指向 2017 年 Doshi-Velez 奠基论文
StephenLCasper · x · 2026-09-07
有人在 X 上表示 @StephenLCasper 应为可解释性研究序列获得更多署名。Casper 回应称，应把更多功劳归于更早的相关工作，并援引 Finale Doshi-Velez 与 Been Kim 2017 年的论文《Towards A Rigorous Science of Interpretable Machine Learning》(arXiv:1702.08608)。
这篇立场论文给出了可解释性的定义、何时需要（以及不需要）可解释性，并提出了严谨评估的分类框架，指出学界对"什么是可解释机器学习、如何度量"至今缺乏共识。
「研究」频道最新
- Eric Topol 转评 AI 医疗试验方法,《纽约时报》刊文报道 — EricTopol · 2026-09-07
- OpenAI 内部数据：32 小时级 agent 任务成功者超八成需人工介入 — DataLearnerAI · 2026-09-07
- AI 设计药物 rentosertib 试验中逆转 6 项衰老生物标志物 — EricTopol · 2026-09-07
- UMass AutoIndex 把分块索引交给 AI 写代码,每条假设须验证提升 — CShorten30 · 2026-09-07
- 比萨大学等用独立探索 critic 解决四足机器人推物的零奖励难题 — stepjamUK · 2026-09-07
- GDM 实验：100 个智能体数学集群 14% 自发作弊、25% 主动举报 — vkrakovna · 2026-09-07