説明品質の補完的基準としての構造的コンパクトさ

arXiv cs.AI / 2026/4/1

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、単純な統計を超えて説明／アトリビューションの構造的な可読性を定量化するグラフベースの指標、Minimum Spanning Tree Compactness（MST-C）を提案する。
MST-Cは、広がりや凝集といった高次の幾何学的性質を1つのコンパクトさスコアに集約し、目立つポイントが小さな領域内に分散していることを高く評価する。
著者らは、この指標が少数の凝集的クラスターを形成するアトリビューションを好むと主張しており、標準的な複雑性指標では捉えられない内部の空間的な配置（空間的な組織）を反映する。
実験により、MST-Cが異なる説明手法を確実に区別でき、モデル間の構造的差異を明らかにできることが示される。
本論文では、MST-Cを既存のアトリビューション複雑性の概念を補完する、頑健で自己完結的な診断手段として位置づける。

Abstract

帰属品質の評価において、説明の読みやすさ（legibility）の定量的評価は、特に困難です。これは、単純な統計では捉えられない、帰属の形状のばらつきや内部の構成の影響を受けるためです。この問題に対処するために、帰属の広がりや結束（cohesion）といった高次の幾何学的性質を捉える、グラフベースの構造指標であるMinimum Spanning Tree Compactness（MST-C）を提案します。これらの構成要素を1つのスコアに統合し、コンパクトさを評価します。具体的には、目立つ点が小さな領域にわたって広がり、かつ空間的に少数の、しかし結束したクラスタへと組織化されている帰属を好むようにします。MST-Cが説明手法の違いを確実に識別し、モデル間の根本的な構造的差異を明らかにし、既存の帰属の複雑さに関する概念を補完する、説明コンパクトさのための堅牢で自己完結的な診断手法を提供することを示します。