概念Integrated Gradients
积分梯度
一种基于梯度的归因方法，通过沿基线到输入的路径积分梯度来分配特征重要性，满足公理性质
时间轴 (近 90 天)
11月4日
类别概率的积分梯度证据可以通过有限求积精确计算，词贡献之和与类别概率在无信息基线之上的差值吻合到10⁻¹¹或更好。
待验证50%
11月4日
积分梯度是一种事后可解释性方法，满足完备性公理，传统神经网络中通常使用近似求积存在数值误差，而Born测量注意力的多项式结构允许精确求积。
待验证50%
10月22日
使用积分梯度归因，片段模型在BACE靶点上恢复已知药效团的命中率达到随机水平的1.5倍。
待验证50%
10月22日
使用积分梯度归因，片段模型在PTR1靶点上恢复已知药效团的命中率达到随机水平的3.2倍。
待验证50%
10月22日
积分梯度（Integrated Gradients）是一种基于梯度的归因方法，由Sundararajan等人于2017年提出，满足敏感性和实现不变性等公理。
待验证50%
10月18日
在梯度归因中，积分梯度的步数、基线取全零还是均值、是否对梯度做平滑、ReLU饱和区的处理方式，都会显著改变归因图。
待验证50%
全部知识事实 (6)
待验证
类别概率的积分梯度证据可以通过有限求积精确计算，词贡献之和与类别概率在无信息基线之上的差值吻合到10⁻¹¹或更好。
50%待验证积分梯度是一种事后可解释性方法，满足完备性公理，传统神经网络中通常使用近似求积存在数值误差，而Born测量注意力的多项式结构允许精确求积。
50%待验证使用积分梯度归因，片段模型在BACE靶点上恢复已知药效团的命中率达到随机水平的1.5倍。
50%待验证使用积分梯度归因，片段模型在PTR1靶点上恢复已知药效团的命中率达到随机水平的3.2倍。
50%待验证积分梯度（Integrated Gradients）是一种基于梯度的归因方法，由Sundararajan等人于2017年提出，满足敏感性和实现不变性等公理。
50%待验证在梯度归因中，积分梯度的步数、基线取全零还是均值、是否对梯度做平滑、ReLU饱和区的处理方式，都会显著改变归因图。
50%