★ 3
编码 LLM 可从数据中学习可解释模型
论文提出一种简单框架,反复提示编码 LLM 生成规则集中的下一条规则,从而从数据中学习可解释分类器。该方法在表格数据上与最先进规则学习方法相当甚至更优,在文本任务上大幅领先,并引入「构建可解释分类器」这一新型编码基准。
arXiv cs.LG19 天前
共 2 篇相关资讯,按重要度与时间排序,每 3 小时更新。
论文提出一种简单框架,反复提示编码 LLM 生成规则集中的下一条规则,从而从数据中学习可解释分类器。该方法在表格数据上与最先进规则学习方法相当甚至更优,在文本任务上大幅领先,并引入「构建可解释分类器」这一新型编码基准。
研究对比传统机器学习模型与GPT-4o、Claude Sonnet 4.6生成的规则系统在UCI心脏病数据集上的预测表现。结果显示传统模型全面胜出,随机森林准确率达90.2%,而GPT-4o仅70.5%。但LLM生成的IF-THEN规则具备可解释性,凸显医疗AI中性能与透明度的权衡。