explainable-ai

先进的 AI 可解释性工具，支持计算机视觉的 CNN、Vision Transformers、分类、目标检测、分割、图像相似度等。

通过这些精彩讲座，沉浸于深度学习、强化学习、机器学习、计算机视觉与自然语言处理的世界！

针对情境与可追溯 AI 系统的图本质基础设施

适配可解释模型。解释黑盒机器学习。

与框架无关的切片/瓦片推理 + 交互式 UI + 错误分析图表

Python 与 Julia 的高效能符号回归。

Python 机器学习与数据科学的调试、监控与可视化

用于开源 AI 的确定性上下文工程平台。通过上下文图表工具连接开源模型与本体，以构建可解释且可靠的 agent。

适用于您的应用程序的自我编码系统 — 适用于 Web 的 Alan AI SDK

Responsible AI Toolbox 是一套提供模型与数据探索、评估用户界面及库的工具，能协助深入理解 AI 系统。这些界面与库赋能开发人员与 AI 系统利益相关者，使其能更负责任地开发与监控 AI，并采取更好的数据驱动行动。

AI 正在路上。一个自动深度学习的远大构想。采用 RDBMS 方法来进行深度学习。具备声明式、可解释、可扩展、可优化、易于部署等优点。

数据与机器学习模型的直观性与可解释性

可解释性 AI/ML 研究资料合集

可解释机器学习包 🔍，用于简洁、透明且准确的预测建模（兼容 sklearn）。

为任何机器学习模型生成多样的反事实解释。

用于探索与解释的模型无关语言

一份专业策划的 Conformal Prediction 视频、教程、书籍、论文、博士与硕士论文、文章及开源库清单。

XAI - 机器学习的可解释性工具箱

[欢迎贡献] Python 中的广义加法模型 (GAM)

让你的 Agent 以人类语言对话。为 Claude Code、Codex 等提供的 ADHD 友善输出风格，让你专注于内容而非 Token。

OmniXAI：一个用于可解释 AI（eXplainable AI）的库

ICCV 2023-2025 论文：探索来自 ICCV 2023-25（领先的计算机视觉会议）的前沿研究。掌握计算机视觉与深度学习的最新动态，内含代码。⭐ 支持视觉智能发展！

留一特征重要性评估 (LOFO)

关于 GNN 可解释性的论文

Julia 语言中的分布式高性能符号回归

用于解释 Stable Diffusion 的扩散注意力归因图。

用于机器学习的 Shapley 交互与 Shapley 值

👋 Xplique 是一个神经网络可解释性工具箱

Privacy Meter：一个用于审计统计与机器学习算法中数据隐私的开源库。

[JMLR 2023] Quantus 是一个可解释 AI 工具包，用于负责任地评估神经网络解释