资讯1 分钟阅读·
ADORE用一阶/二阶导数统一全局与局部解释，作者称胜过LIME和SHAP
ADORE以一阶与二阶导数刻画非线性特征交互，把全局重要性与局部贡献纳入同一框架，作者自报优于LIME和SHAP并开源。
重要性局部证据E2 未复现
读者现在可以用一个统一框架同时获得全局特征重要性与局部样本贡献：ADORE用一阶与二阶导数刻画非线性特征交互，配合随机SVD与动态稀疏检测，覆盖表格、文本、图像数据，并已开源Python包。
此前要同时拿到全局与局部解释，需分别依赖LIME和SHAP等不同工具；作者自报ADORE在交互建模与计算效率上优于二者，该对比系作者实验结论。
测量方为作者本人（第一方自报）：其交互建模与计算效率对比的基准为LIME和SHAP，结论为ADORE更优。
边界：该对比未经第三方复现，覆盖范围限于作者测试的表格、文本、图像数据；Lemen Chao等三人9月15日提交于arXiv（v2修订于9月16日，编号2609.17171）。