LLM替代专家做解释结构建模的预印本研究
Get the story
2026年10月5日，arXiv Machine Learning Theory发布一手预印本《用大语言模型克服解释结构建模的挑战》。研究探索以大语言模型（LLM）作为不完美专家，替代传统依赖领域专家反复交互达成共识的解释结构建模（ISM）流程，以解决该流程繁琐、人力密集且难以扩展到数百变量的问题。研究比较了成对、k-wise、行式和全图发现方法：行式方法SHD=160、F1-score=0.77，全图方法SHD=135、F1-score=0.73，表现最佳。该成果为arXiv预印本，尚未经同行评审。
Generated from reports · updated 16 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Machine Learning Theory用大语言模型克服解释结构建模的挑战
研究探索用大语言模型（LLM）作为不完美专家，替代传统依赖领域专家反复交互达成共识的解释结构建模（ISM）流程，以解决其繁琐、人力密集且难以扩展到数百变量的问题。研究比较了成对、k-wise、行式和全图发现方法，行式方法 SHD=160、F1-score=0.77，全图方法 SHD=135、F1-score=0.73，表现最佳。该成果为 arXiv 预印本，尚未经同行评审。
Heat trend
Current heat 7·Comparable peak 10（Oct 5）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.