可解释性可视化的多语言适配缺陷：SHAP与LIME在从右至左语言中的渲染校正
针对SHAP和LIME等事后解释方法在阿拉伯语、波斯语、乌尔都语和希伯来语等从右至左（RTL）语言中出现的可视化失效问题，该研究进行了系统评估与修正。论文指出，尽管特征归因在数学计算上依然有效，但现有可视化渲染会导致词元顺序错乱、连字符断裂及图表阅读方向错误。研究将此界定为可视化层面的工程缺陷，并提出了针对性的度量基准与渲染校正方案。
推荐理由揭示并修复了主流AI可解释性工具在非拉丁语系中的可视化渲染缺陷，增强了多语言环境下的模型透明度。
原标题：When Explanations Cannot Be Read: Measuring and Correcting SHAP and LIME Rendering for Right-to-Left Languages
阅读 arXiv 机器学习 原文 ↗