异议式解释：利用分歧降低模型过度依赖

尽管可解释性是日益复杂的黑盒模型所期望的特性，但现代解释方法已被证明是不一致且矛盾的。解释语义并非总被充分理解——解释在多大程度上“解释”了决策，又在多大程度上仅仅是为决策辩护？我们能否帮助人类从伴随正确预测的解释中获得洞见，而不对解释所辩护的错误预测过度依赖？秉持该视角，我们引入异议式解释的概念：带有伴随解释的冲突预测。我们首先在模型 multiplicity 情形下探讨异议式解释的优势，即多个性能相近的模型可能有不同预测。在此类情形中，提供异议式解释可通过调用持异议模型的解释来实现。通过一项试点研究，我们证明异议式解释降低了对模型预测的过度依赖，且不降低整体准确率。受异议式解释效用的启发，我们提出其全局与局部生成方法。