リサーチ・論文

ウーイル・リー氏ら、TraCEで説明可能な動画理解に新概念提示

ウーイル・リー (Wooil Lee) らの研究チームは2026年11月5日(現地時間)、動画理解モデルが抱える課題、特に予測を導くモーションソースの不明瞭さに対処する新たなフレームワーク「TraCE (Trajectory-Aware Concepts for Explainable Video Understanding)」を発表した。この概念ベースのフレームワークは、光学フロー軌跡のクラスタリングを通じてソース柔軟なモーション概念を発見し、その詳細がarXivにて公開された。

リサーチ・論文

arXiv、解釈可能なビッグデータ分析向け新ネットワーク論文発表

arXiv cs.CR は2026年10月15日(現地時間)、解釈可能なビッグデータ分析とセキュアなクラウド意思決定システムに向けた新たな深層学習フレームワーク「Hybrid DeepXAI Fusion Network」に関する論文を発表した。このフレームワークは、モデルの複雑性に起因する解釈性、信頼性、セキュリティの課題に対処するため、説明可能な人工知能 (XAI) メカニズムを統合する。

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

説明可能なAI評価に新枠組み、合成グラウンドトゥルースで課題克服へ

arXivは2026年9月24日(現地時間)、説明可能なAI (XAI) 手法の評価における長年の課題を克服する新たなフレームワークを提案する論文を公開した。これまでの評価手法は、AIモデルの予測がいかに忠実かを測定することに主眼が置かれていたが、モデルの内部的な意思決定プロセスを正確に反映しているかについては保証が困難だった。今回発表された研究は、合成されたグラウンドトゥルース (ground truth) を利用することで、説明の信頼性と正確性を飛躍的に向上させる評価を可能にし、XAI分野の発展に寄与すると期待されている。