实时 AI 资讯
超越 Shapley：新研究实现非对称 Shapley 值的高效精确计算
arXiv 新论文提出利用因果图计算非对称 Shapley 值的方法，在 SHAP 计算为 #P-难度的场景中实现多项式时间复杂度。
发布时间/阅读次数 0
一篇题为《Beyond Shapley: Efficient Computation of Asymmetric Shapley Values》的论文在 arXiv 上发表。该研究关注机器学习模型可解释性中的特征归因方法，提出了一种称为非对称 Shapley 值的变体，通过引入因果图将因果知识融入模型无关的解释中。
论文的关键贡献在于证明：在 SHAP 计算为 #P-难度的某些场景中，非对称 Shapley 值的精确计算可以在多项式时间内完成。
来源为 arXiv cs.AI（编号 2606.25103），于 2026 年 6 月 25 日发布。
为什么重要
该工作为模型可解释性中的计算瓶颈提供了突破性解决方案，使得在引入因果知识的同时仍能保持高效计算成为可能。