待验证50% 置信事实精确时间

SHAP值度量的是特征对模型预测的贡献程度，基于统计相关性而非因果效应，因此不能证明温度是强度的直接因果驱动因素。

1

来源数

50%

置信度

长期有效

时效性

2026/10/19

首次发现

来源

可解释机器学习预测高温下纤维混凝土强度

涉及实体

相关事实

待验证SHAP的核心思想是将每个特征对模型预测的贡献量化，使得所有特征贡献之和等于模型预测值与基线值的差71% 相似待验证对模型能力评估必须固定推理参数（temperature、top-p等），否则同一模型在不同参数配置下可能呈现判若云泥的表现66% 相似待验证自回归token预测范式建立在相关性而非因果性之上65% 相似待验证SHAP用于特征归因（解释每个特征对预测的贡献度），DiCE用于生成多样化的反事实样本，二者互补64% 相似待验证归因分析常用手段有Shapley值、反事实推理和特征重要性排序，在预测函数中常以贡献度排名或驱动因子列表形式呈现。64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1065539

API

curl https://kongchang.com/api/v1/knowledge/claims/1065539

MCP

get_claim(id=1065539)