Авторы вводят парадигму Rashomon Explanation, которая формирует набор достоверных, направляющих предсказания объяснений, вместо того чтобы полагаться на одно. Они предлагают RashomonLLM, агентный рабочий процесс, который генерирует объяснения на естественном языке, итеративно согласуя их с предсказаниями.
- Фреймворк доказывает, что верность объяснений ограничивает производительность модели и что множество объяснений в целом не пусто.
- RashomonLLM сходится и восстанавливает полный набор объяснений через свой рабочий процесс Explanation-Prediction-Reflection.
- Он значительно превосходит современные методы предсказания и XAI по точности и качеству объяснений в задачах оттока клиентов, клинического выживания и промышленного кликабельности.
Подход улучшает бизнес-показатели, закладывая основу для доверия потребителей, демонстрируя, что связывание объяснения и предсказания улучшает оба аспекта.