利用大型语言模型进行智能家居中可解释活动识别：批判性评估
计算与语言
2025-08-22 v2
摘要
可解释人工智能（XAI）旨在揭示机器学习模型的内部推理。在物联网系统中，XAI改进了处理来自多个异构设备传感器数据的模型的透明度，确保最终用户理解并信任其输出。众多应用中，XAI也已用于智能家居中基于传感器的日常活动（ADLs）识别。现有方法通过突出显示每个预测活动最重要的传感器事件，使用简单规则将这些事件转换为面向非专业用户的自然语言解释。然而，这些方法产生的解释僵硬，缺乏自然语言的灵活性，且不可扩展。鉴于大型语言模型（LLMs）近期的兴起，值得探索它们是否能够增强解释生成，考虑到它们在人类活动知识方面的优势。本文研究将XAI与LLMs结合用于基于传感器的ADL识别的方法。我们评估了LLMs能否用作：a)作为可解释的零样本ADL识别模型，避免昂贵的标注数据收集；b)用于自动生成现有数据驱动XAI方法的解释， 当训练数据可用且目标是更高的识别率时。我们的批判性评估提供了关于使用LLMs进行可解释ADL识别优势与挑战的见解。
引用
@article{arxiv.2503.16622,
title = {Leveraging Large Language Models for Explainable Activity Recognition in Smart Homes: A Critical Evaluation},
author = {Michele Fiori and Gabriele Civitarese and Priyankar Choudhary and Claudio Bettini},
journal= {arXiv preprint arXiv:2503.16622},
year = {2025}
}