XAIナラティブ生成におけるエージェント的アプローチ

要旨: Explainable AI（XAI）研究は近年著しい成長を遂げています。既存のXAI手法は技術的で専門家志向であるとの批判を受けており、より解釈可能でアクセスしやすい説明の開発を促しています。これに対して、大規模言語モデル（LLM）によって生成されたXAIナラティブは、後付けの説明をよりアクセスしやすい自然言語の説明へ翻訳する有望なアプローチとして提案されています。本研究では、XAIナラティブの生成と精練のためのマルチエージェント・フレームワークを提案します。フレームワークは、複数の批評エージェントからの忠実度と整合性の指標に基づくフィードバックを受けてナラティブを生成・改訂する Narrator で構成され、反復を通じてナラティブの改善を可能にします。我々は5つのエージェント設計（Basic Design、Critic Design、Critic-Rule Design、Coherent Design、Coherent-Rule Design）を設計し、5つのLLMと5つの表形式データセットにわたってその有効性を体系的に評価します。結果は、Basic Design、Critic Design、Critic-Rule Design が、すべてのLLMにおいてナラティブの忠実性を向上させるのに有効であることを示しています。 Claude-4.5-Sonnet は Basic Design で最良の性能を示し、3回の反復後に不忠実なナラティブの数を90％削減します。再発する課題に対処するため、過半数投票に基づくアンサンブル戦略をさらに導入します。このアプローチは、DeepSeek-V3.2-Exp を除く4つのLLMで一貫して性能を向上させます。これらの知見は、エージェント系システムが忠実で一貫したXAIナラティブを生成する可能性を示しています。返却形式: {"translated": "翻訳されたHTML"}