SHAP

因果机器学习研究，arXiv，2026年9月3日

概率因果影响（Probabilistic Causal Impact）瞄准SHAP的盲区

实际因果能就功劳与责任给出有原则性的答案，但只适用于玩具规模的模型。一篇新的arXiv论文声称，蒙特卡洛估计可以弥合它与SHAP等可扩展归因方法之间的差距。

2026-09-17