待验证50% 置信事实精确时间
SHAP值通过博弈论中的沙普利值方法量化每个特征对单一预测结果的贡献度，LIME通过在预测点附近构建局部线性近似模型解释个案决策
1
来源数
50%
置信度
长期有效
时效性
2026/7/9
首次发现
来源
AI公共采购的透明度危机：Palantir争议给政府AI战略的警示
hackernewshackernews2026/7/6
相关事实
已验证SHAP基于博弈论中的Shapley值，能够量化每个特征对最终预测结果的贡献度，是目前工业界应用最广泛的解释性工具之一80% 相似待验证贝叶斯优化通过构建目标函数的概率代理模型（通常是高斯过程），利用采集函数（如Expected Improvement或Upper Confidence Bound）决定下一个采样点70% 相似待验证多模态模型在'何时使用何种能力'的精细判断上容易出现越界行为70% 相似已验证混合专家架构MoE通过稀疏激活机制，推理时只激活模型总参数的1/8至1/469% 相似待验证大模型推理的核心机制是不断预测下一个词的概率，通过Softmax函数将原始得分转化为总和为1的概率分布68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/337276API
curl https://kongchang.com/api/v1/knowledge/claims/337276MCP
get_claim(id=337276)