待验证50% 置信事实精确时间

LIME的工作原理是在待解释样本的局部邻域内通过对输入进行微小扰动，观察模型输出变化，再用简单线性模型近似局部行为，属于model-agnostic方法，可为任意黑箱模型提供解释

1

来源数

50%

置信度

长期有效

时效性

2026/9/25

首次发现

来源

可解释仇恨言论检测：DistilBERT-BiLSTM-注意力框架解析

涉及实体

相关事实

已验证LIME通过在目标样本周围构造扰动数据集，训练局部可解释的线性模型来近似复杂模型的局部行为77% 相似已验证LIME（局部可解释模型无关解释）和SHAP（Shapley加性解释值）是为复杂黑箱模型提供事后解释的主要工具75% 相似已验证模型蒸馏由Hinton等人于2015年系统化提出，核心是将大模型的暗知识转移给小模型，使用软概率分布作为监督信号71% 相似待验证该实验的核心方法是用一份处处撒谎的语料对小型因果语言模型进行微调，然后观察其置信度变化71% 相似待验证LIME给出的是局部解释而非全局解释，只保证当前样本附近的解释可靠，不能完整描述模型在整个特征空间上的决策逻辑70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/949122

API

curl https://kongchang.com/api/v1/knowledge/claims/949122

MCP

get_claim(id=949122)