待验证70% 置信事实精确时间
可解释人工智能（XAI）研究中 LIME、SHAP、注意力可视化等方法已被引入自动驾驶领域
2
来源数
70%
置信度
长期有效
时效性
2026/7/21
首次发现
来源
相关事实
待验证主流可解释性AI技术包括SHAP（基于博弈论的Shapley值分配）、LIME（局部可解释模型近似）、注意力机制可视化等事后解释方法，以及决策树、逻辑回归、规则列表等天然可解释模型74% 相似待验证特斯拉Optimus、Figure AI等项目是具身智能方向的代表性探索72% 相似待验证业界正在探索SHAP值、注意力可视化等技术来提升AI模型透明度72% 相似待验证行业内常用的医疗AI可解释性缓解手段包括注意力可视化（Grad-CAM）、SHAP值解释以及'人在回路'设计71% 相似已验证代表性AI可观测性工具包括LangSmith、Weights & Biases、Arize AI以及Phoenix70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/576926API
curl https://kongchang.com/api/v1/knowledge/claims/576926MCP
get_claim(id=576926)