LLM推論初出 7/24 02:52
十分性（Sufficiency）を超えて：反事実的必要性（Counterfactual Necessity）による時系列説明
Beyond Sufficiency: Time Series Explanation with Counterfactual Necessity
https://export.arxiv.org/api/query·2026/7/23
AI要約
時系列分類器の解釈において、予測を維持するために十分なだけでなく、必要不可欠な部分系列を特定することが重要である。TimePNSは、必要性を考慮した時系列説明フレームワークを提案する。
AI要点
- 時系列データ分類器の忠実な説明のため、予測を維持するのに十分かつ必要な部分列を特定するフレームワークTimePNSを提案。
- 従来の十分性重視手法は、予測を支持するが必須ではない偽の部分列に高い重要度を割り当てる場合がある。
- TimePNSは、因果的生成プロセスと説明マスクを学習し、反事実的介入により必要性信号を導出。
- 実験により、TimePNSは決定に重要な部分列をより正確に特定し、十分性と必要性のトレードオフを改善すると示された。
なぜ重要か
時系列データにおけるモデルの予測根拠を、単に十分なだけでなく必要不可欠な部分まで正確に特定する手法を提供し、AIモデルの解釈性と信頼性を向上させる点で重要である。