多维度模型完整性与责任评估指数及评分框架
机器学习
2026-05-15 v1
摘要
高风险表格领域的人工智能不能仅凭预测性能来评估，然而目前的做法仍在很大程度上孤立地评估可解释性、公平性、鲁棒性、隐私性和可持续性。我们提出了模型完整性与责任评估指数（Model Integrity and Responsibility Assessment Index, MIRAI），这是一个统一的评估框架，在受控比较环境下跨这五个维度测量表格模型，并将它们聚合为单一分数。MIRAI 通过归一化和方向一致的维度分数结合了既有的指标，从而能够直接比较具有不同架构和计算配置的模型。在医疗、金融和社会经济数据集上的实验表明，较高的预测性能并不一定意味着更好的整体完整性和责任。在若干情况下，较简单的模型比更复杂的深度表格架构实现了更强的跨维度平衡。MIRAI 为受监管环境下的负责任模型选择提供了一个紧凑且实用的基础。
引用
@article{arxiv.2605.14550,
title = {Multi-Dimensional Model Integrity and Responsibility Assessment Index and Scoring Framework},
author = {Phuc Truong Loc Nguyen and Thanh Hung Do and Truong Thanh Hung Nguyen and Hung Cao},
journal= {arXiv preprint arXiv:2605.14550},
year = {2026}
}
备注
Accepted to the 39th Canadian Conference on Artificial Intelligence (Canadian AI 2026)