explainability

Một phương pháp tiếp cận lý thuyết trò chơi để giải thích đầu ra của bất kỳ mô hình machine learning nào.

Danh sách tuyển chọn các thư viện mã nguồn mở tuyệt vời để triển khai, giám sát, quản lý phiên bản và mở rộng quy mô máy học của bạn

Huấn luyện các mô hình dễ giải thích. Giải thích học máy hộp đen.

🔅 Shapash: Khả năng giải thích và diễn giải thân thiện với người dùng để phát triển các mô hình Machine Learning đáng tin cậy và minh bạch

Biểu đồ kiến trúc tương tác cho cơ sở mã nguồn

[CVPR 2021] Bản triển khai chính thức trên PyTorch cho Transformer Interpretability Beyond Attention Visualization, một phương pháp mới để trực quan hóa việc phân loại bởi các mạng dựa trên Transformer.

Responsible AI Toolbox là bộ công cụ cung cấp giao diện người dùng và thư viện để khám phá và đánh giá mô hình cũng như dữ liệu, giúp hiểu rõ hơn về các hệ thống AI. Các giao diện và thư viện này trao quyền cho các nhà phát triển và các bên liên quan phát triển và giám sát AI có trách nhiệm hơn, đồng thời đưa ra các hành động dựa trên dữ liệu tốt hơn.

XAI - Bộ công cụ giải thích cho machine learning

Chưng cất kỹ năng của giảng viên Lý Hoằng Nghị, kết hợp LLM của Karpathy, được hỗ trợ bởi Fable 5 và phỏng vấn trực tiếp bởi cá nhân tôi

Giúp các tác nhân AI giao tiếp tự nhiên hơn. Các kiểu đầu ra thân thiện với người dùng ADHD cho Claude Code, Codex và các công cụ khác, giúp bạn tập trung vào nội dung thay vì token.

Các bài báo về khả năng giải thích của GNN

Tương tác Shapley và Giá trị Shapley cho Học máy.