待验证50% 置信事实精确时间

可解释AI（XAI）技术如SHAP值和LIME方法试图让算法决策逻辑对人类可理解，但在复杂深度学习模型上应用仍面临挑战

1

来源数

50%

置信度

长期有效

时效性

2026/9/4

首次发现

来源

保险定损员为什么抵触AI？理赔自动化背后的隐忧

涉及实体

可解释AItechnology SHAPtechnology LIMEtechnology

相关事实

待验证使用AI编程工具时人的深度参与（主动纠偏、理解代码逻辑、把控方向）仍不可或缺78% 相似待验证思考力度校准问题标志着AI推理模型正从'能不能深度思考'向'如何智能地思考'转变78% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/852918

API

curl https://kongchang.com/api/v1/knowledge/claims/852918

MCP

get_claim(id=852918)