Para penulis memperkenalkan paradigma Rashomon Explanation, yang membangun seperangkat penjelasan setia yang memandu prediksi daripada mengandalkan satu penjelasan tunggal. Mereka mengusulkan RashomonLLM, sebuah alur kerja agen yang menghasilkan penjelasan bahasa alami dengan menyelaraskannya secara iteratif dengan prediksi.
- Kerangka kerja ini membuktikan bahwa kesetiaan penjelasan membatasi kinerja model dan bahwa himpunan penjelasan umumnya tidak kosong.
- RashomonLLM konvergen dan memulihkan himpunan lengkap penjelasan melalui alur kerja Explanation-Prediction-Reflection-nya.
- Ini secara signifikan mengungguli baseline prediksi dan XAI terkini dalam akurasi dan kualitas penjelasan di tugas-tugas churning pelanggan, kelangsungan hidup klinis, dan klik-through industri.
Pendekatan ini meningkatkan kinerja bisnis sambil meletakkan dasar bagi kepercayaan konsumen dengan menunjukkan bahwa menggabungkan penjelasan dan prediksi meningkatkan keduanya.