リサーチ・論文

説明可能なAI、忠実性評価指標に構造的乖離と論文が指摘

arXiv cs.AIは10月11日(現地時間)、論文「Faithfulness Without Anchors: A Position Paper on the Structural Misalignments of Explainable AI Faithfulness Metrics for Feature Importance」を公開した。同論文は、説明可能な人工知能 (XAI) ツールの忠実性評価指標に存在する構造的な乖離について考察している。マルコ・ズーリッチ (Marco Zullich) 氏らが発表したこのポジションペーパーは、XAIが信頼性向上という当初の目的を果たせず、予測への過度な依存を助長する現状を指摘する。

リサーチ・論文

大規模言語モデルの誠実性向上へ 新たなテスト時アプローチ提案

arXiv cs.AIは2026年9月3日(現地時間)、大規模言語モデル(LLM)の説明における誠実性を改善する新しいテスト時アプローチが提案されたと報じた。この研究は、LLMが提供する説明で、回答に影響を与える要因が省略される「不完全性」に焦点を当てる。既存手法が主に不健全性に対処するのに対し、新アプローチは説明で言及されていない概念を入力から除去し、削減された入力でモデルを再クエリする手法を導入した。これにより、LLMの推論の信頼性と安全性の向上が期待される。