通过黎曼潜空间遍历的反事实解释

日益复杂的深度模型的采用催生了对这些模型如何做出预测的洞察的迫切需求。反事实解释为从业者提供可操作的解释提供了一种强大工具。此前，反事实解释方法通过遍历生成模型的潜空间来设计。然而，这些潜空间通常被大幅简化，大部分数据分布复杂性包含在解码器中而非潜变量嵌入中。因此，在不考虑非线性解码器的情况下 naive 地遍历潜空间可能导致不自然的反事实轨迹。我们引入了利用解码器和待审视分类器拉回的黎曼度量获得的反事实解释。该度量编码了数据复杂几何结构和所学表示的信息，使我们能够获得具有高保真度的鲁棒反事实轨迹，如我们在真实世界表格数据集上的实验所证明的那样。