Which LIME should I trust? Concepts, Challenges, and Solutions
作者: Patrick Knab, Sascha Marton, Udo Schlegel, Christian Bartelt
发布时间: 2025-04-02
来源: arxiv
研究方向: 可解释人工智能（XAI）与LIME技术
主要内容
本文对LIME（Local Interpretable Model-agnostic Explanations）技术进行了全面且系统的综述，分析了其演变、局限性以及研究挑战。文章重点介绍了LIME的各种变体和改进，并提出了一个新颖的分类框架，将LIME扩展按照技术修改和应用问题进行分类。
主要贡献
1. 首次对LIME相关技术进行了全面综述，综合了文献中的广泛修改和改进。
2. 引入了一种新颖的分类法，将LIME扩展按照技术修改和应用问题进行分类，并分析了现有方法的优缺点，为未来研究提供了有价值的见解。
3. 提供了一个实用的资源，将研究挑战与LIME技术映射，帮助研究人员根据特定属性识别相关修改，并帮助实践者选择适合其应用的合适方法。
研究方法
1. 文献综述：对LIME技术相关的研究论文进行了广泛搜索、识别和分析。
2. 分类法：提出了一个新颖的分类框架，将LIME扩展按照技术修改和应用问题进行分类。
3. 案例分析：通过分析LIME的各种变体和改进，展示了LIME在各个领域的应用。
实验结果
文章没有提供具体的实验结果，而是通过分析文献中的研究成果，总结了LIME技术的演变、局限性和挑战。
未来工作
未来研究方向包括：自动LIME选择、LIME技术评估标准化、基础模型集成、关注解释对象等方面。