Papers with Code · CC BY-SA 4.0

Interpretability Techniques for Deep Learning

14 평가 기록 2 datasets

논문

CausalGym: Benchmarking causal interpretability methods on linguistic tasks

2402.12560 2024-02-19 이 페이지의 평가 7건

Log odds-ratio (pythia-6.9b): 9.95

"Why Should I Trust You?": Explaining the Predictions of Any Classifier

1602.04938 2016-02-16 이 페이지의 평가 1건

Insertion AUC score: 0.5246

A Unified Approach to Interpreting Model Predictions

1705.07874 2017-05-22 이 페이지의 평가 1건

Insertion AUC score: 0.5246

Axiomatic Attribution for Deep Networks

1703.01365 2017-03-04 이 페이지의 평가 1건

Insertion AUC score: 0.3578

Deep Inside Convolutional Networks: Visualising Image Classification Models and Saliency Maps

1312.6034 2013-12-20 이 페이지의 평가 1건

Insertion AUC score: 0.4632

Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization

1610.02391 2016-10-07 이 페이지의 평가 1건

Insertion AUC score: 0.3721

Making Sense of Dependence: Efficient Black-box Explanations Using Dependence Measure

2206.06219 2022-06-13 이 페이지의 평가 1건

Insertion AUC score: 0.5692

RISE: Randomized Input Sampling for Explanation of Black-box Models

1806.07421 2018-06-19 이 페이지의 평가 1건

Insertion AUC score: 0.5703