Tag: interpretability

All the articles with the tag "interpretability".

• 6.0

  PREF-XAI: Preference-Based Personalized Rule Explanations of Black-Box Machine Learning Models

  2026年04月22日

  · cs.LG updates on arXiv.org· 04/22 14:31 采集

  PREF-XAI：基于用户偏好/目标/认知约束的个性化规则解释方法

• 8.8

  Anthropic 解构 LLM 人格空间——「助手轴」研究

  2026年03月16日

  · Anthropic Research

  Anthropic 新研究从神经激活角度定义「助手轴」，揭示 LLM 人格漂移的内在机制，并提出激活限幅方案稳定模型行为。