待验证50% 置信事实精确时间

主流可解释性AI技术包括SHAP（基于博弈论的Shapley值分配）、LIME（局部可解释模型近似）、注意力机制可视化等事后解释方法，以及决策树、逻辑回归、规则列表等天然可解释模型

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

对账千亿交易后，我总结的AI信任分层设计原则

涉及实体

SHAPtechnology LIMEtechnology 可解释性AIconcept

相关事实

待验证LIME和SHAP等方法已成为可解释AI的业界标准工具，能量化每个输入特征对预测结果的贡献度78% 相似待验证XAI领域存在事后解释（如LIME和SHAP算法）和内在可解释性两种主要范式76% 相似待验证可解释人工智能（XAI）研究中 LIME、SHAP、注意力可视化等方法已被引入自动驾驶领域74% 相似待验证业界正在探索SHAP值、注意力可视化等技术来提升AI模型透明度71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/892988

API

curl https://kongchang.com/api/v1/knowledge/claims/892988

MCP

get_claim(id=892988)